科研搬砖工备忘录

不是正经经验贴。就是记录一些容易踩的坑、经常忘但很重要的小习惯。随手记，随时补。

读论文#

一天一篇？别信。 一周认真读透一篇比一天翻十篇有用得多。读的时候问自己：他们解决了什么问题？方法为什么有效？我能复现吗？

三遍法足够。 第一遍 title + abstract + 扫一眼图，决定要不要读。第二遍正文过一遍，跟着推导思路走。第三遍对着 references 顺藤摸瓜。

读完记下来。 Zotero 里给条目加 Note 或者 Obsidian 里写一段。不记等于白读，三个月后你连这论文讲啥都忘了。

不要只读最新的。 经典论文（引用过千那种）读一篇抵十篇。它们定义了领域的问题框架。

做实验#

每次跑实验前开个 log。 最简单的办法：项目目录下建 experiments.md，记日期、参数、结果、想到的改进。纸笔也行。过两周你回头看根本记不清 lr=3e-4 bs=32 warmup=500 那组为啥好。

一次只改一个变量。 调参时别同时改 lr 和 batch_size，你不知道谁起了作用。

随机种子固定。 torch.manual_seed(42) 就一行，不加的结果就是你再也复现不出那个 SOTA。

baseline 先跑通。 别上来就上你的花活。先把最简单的版本跑通（哪怕是个随机猜测），确认 pipeline 没 bug。

checkpoint 存勤点。 硬盘便宜，时间贵。每 epoch 存一个，文件名带 step 和 metric。

写代码#

Notebook 是探索用的，不是交付用的。 写到差不多就抽成 .py 文件。Notebook 的 cell 执行顺序是个隐形炸弹。

Git 别只 master。 一条分支一个实验，坏了不要紧，删了重来。

依赖记下来。 pip freeze > requirements.txt 或者 conda env export > environment.yml。交给别人跑的时候，对方的环境跟你差十万八千里。

写文章#

先有骨架再填肉。 别从 abstract 开始写。先列 section 标题和每段的 bullet point，整个故事立起来再说。

图先行。 审稿人第一眼看图。每个图配一句 take-home message（图中最重要的信息）。

Introduction 的逻辑链： 大背景 → 具体问题 → 前人怎么做的 → 有什么不足 → 我们怎么解决的 → 贡献是什么。照着这个模板填。

Related work 别写成流水账。 每个引用要说明跟你的关系——是启发？是 baseline？是你解决的痛点？

写完放两天再读。 刚写完觉得完美，放两天再看就发现一堆不通顺的地方。

LaTeX 的一个小技巧： 写长文用 \input{} 把每节拆成单独 .tex 文件。改一节不用编译全文。

做 PPT / 汇报#

3 分钟定理： 听众的注意力最多撑三分钟。每个 slides 必须在 20 秒内被理解，否则就太复杂了。

讲故事，不是讲流水账。 motivation → problem → method → key insight → result → takeaway。每一步都要回答”为什么”。

图 >> 字。 一页超过 50 个字就该拆。

提前讲一遍。 自己对着空气或抓个同学讲一遍，就知道哪里讲不清了。

日常习惯#

备份。 代码用 GitHub，论文用 Zotero，笔记用 Obsidian，数据用坚果云/OneDrive 自动同步。丢一次数据就知道了。

记笔记。 每次 meeting 后花五分钟，记下讨论要点和 to-do。相信我，不记的话吃完饭你就忘了。

别比较。 同组的人发顶会了、隔壁师兄拿 offer 了，跟你没关系。科研是长跑，节奏不一样很正常。

问问题。 卡了两天还没解决的事情，直接问。被卡住的时间够你问三个人了。

休息。 身体疲劳的状态下做不出好的科研判断。累了就睡，醒了脑子清楚比多熬两小时有用。

工具清单#

场景	推荐
文献管理	Zotero
笔记	Obsidian / Notion
画图	draw.io / Figma
写论文	LaTeX (Overleaf 或本地)
实验追踪	MLflow / WandB / 朴素的 experiments.md
时间管理	日历够了，别在工具上花太多时间
英文润色	DeepL Write / ChatGPT
画神经网络图	draw.io / NN-SVG

这页备忘录会一直更新。以后踩了新坑就补上来。