AI Research Handbook

外观

如何进入到一个新的领域？ ​

核心思路 ​

  • 有目标感：科研不是漫无目的的。应当先确定目标，再走针对性的优化路径。
    • 是兴趣导向？还是合作课题的需求？
    • 领域定位：是 Data Mining（数据挖掘）？人机交互？软件工程？还是 Econ（经济学）？不同领域有不同的圈子和玩法套路，切入前先了解套路。
  • 为了了解套路，需要经历 BFS（广度优先搜索） DFS（深度优先搜索）
    • 广搜（BFS）：通读行业概况，知道该行业是怎么一回事。
    • 深搜（DFS）：针对特定子方向，摸清具体的小方向是如何运作的。
  • 打基础的过程中，科研习惯与基建至关重要。
  1. 01先确定目标
  2. 02BFS 广搜：通读行业概况，了解圈子和玩法套路
  3. 03DFS 深搜：针对特定子方向，摸清小方向如何运作
  4. 04形成自己的研究判断与积累

基建（文献收集与分类） ​

  • 论文日常的收集和整理（对于被动刷到的 paper，可能内容较为庞杂，需系统性分类）。
  • 重点论文下载 PDF 清洗出 title（标题）、abstract（摘要）、intro（前言）（这些是未来提供给大语言模型（LLM）的重要上下文 Context）。
  • 分析打表：进行流派分类，进一步分析出主流研究者的玩法。

论文表格示意 ​

Aa Title（标题）YearGitHubLinkVenueLabelBibTeXAbstract
Humanity's Last Exam年份代码链接论文链接会议 / 期刊dataset引用格式摘要文本
MedCaseReasoning...年份代码链接论文链接会议 / 期刊framework引用格式摘要文本
AlphaEvolve...年份代码链接论文链接会议 / 期刊evolve引用格式摘要文本
AI4Research...年份代码链接论文链接会议 / 期刊survey / scientist引用格式摘要文本

通过建立类似的精细化表格，能快速掌握该领域内已有工作的分布特征和研究脉络。

全景图谱（打表时需要了解的关键要素） ​

  • Task Definition（任务定义）：输入是什么，输出是什么（Input Output）。
  • Dataset Ecosystem（数据集生态）：该领域有哪些公开的数据集。
  • Methods（方法论）：主流的模型架构与业务流（Architecture & Flow）。
  • Relevant Groups（同行画像）：有哪些活跃的研究团队、重点实验室。
  • Reviewer Comments（审稿人评语）：注意前人的论文在评审中常遇到的挑战与意见。

具体怎么搜、搜什么，继续阅读 检索与文献基建。