方法论
2026-09-16 建立｜2026-09-16 更新
学习=建模＋拟合＋控制
- 建模：世界是什么结构？实例：找基、分类、换基
- 拟合：我怎么从大量例子里学会模式？实例：语言、审美、识别、直觉
- 控制：我怎么在实际情境下做对动作？实例：编程、运动、实验、演讲、操作技能
学不同东西可以简单拟合为以上公式的加权函数
- 学领域：学习一个空间/表征，主要是在建立认知空间=建模70%＋拟合10%＋控制20%
- 学语言：学习一个映射，主要是拟合语言模式映射=建模20%＋拟合60%＋控制20%
- 学技能：学习一个策略，主要是在训练策略函数=建模10%＋拟合20%＋控制70%
学习一门领域：学习=建基＋换基＋用基表示新知识
以下可以看作学习领域的一些概念和操作在线性代数坐标系下的投影
| 线性代数 | 学习一个领域 |
|---|---|
| 向量空间 (V) | 一个领域的全部知识 |
| 向量 (v_i) | 论文、概念、方法、现象、任务 |
| 线性相关 | 两个知识点本质重复/可由其他概念解释 |
| 线性无关 | 一个不可被其他概念轻易替代的独立知识维度 |
| 张成空间 | 现有知识框架能够解释的知识范围 |
| 基 Basis | 一组最核心、彼此尽量独立、又足以组织整个领域的概念 |
| 坐标 | 一个具体工作在你的分类体系中的位置 |
| 换基 | 换一种视角重新理解整个领域 |
| 降维 | 去掉细枝末节和重复概念，保留主要结构 |
那么学习的过程就可以在线性代数的视角下被抽象为这几步
- 建空间：确定研究对象
- 找基：提炼核心独立概念
- 正交化：合并重复、减少耦合
- 投影：把新知识映射到已有框架
- 降维：从大量案例中提取主变量
- 换基：从不同视角重新表示同一个对象
输入-读论文｜读材料
2026-09-05 建立｜2026-09-16 更新
先调研：站在整体层面读，建立整体分类学（找到该领域（向量空间）中的一组基｜极大线性无关组，这组基能够解释尽可能多的名词概念、机制方法等）
再深入：小领域地，单论文地去读，不用三遍阅读法❌（2026-09-16 抛弃），问三个问题：它想让表征获得什么性质？它实际上在对表征做什么？它用什么具体机制实现？，除了论文本身，还应该通过以下维度去判断论文是否值得 follow：
- 社区活跃性（github 的 fork 和 star）
- 研究可拓展性，可复制性
- 客观评价：顶会顶刊/是否 oral
输出-闲聊｜PPT
2026-09-16 建立｜2026-09-16 更新
名词解释
- 是什么：分类｜来源➕简短/一句话定义｜严格定义➕实例/图例➕别称
- 怎么做：实现方法/实现路径/代表工作
- 为什么：必要性和合理性
PPT制作
做PPT的时候同样可以用名词解释/论文分享的思路，如:
- 0825做的大模型能力拓展的ppt=是什么➕为什么
- 大组会分享一篇论文
- 多篇论文地去读——遍历顶会顶刊的高引论文｜highlight
- 多跟GPT聊天
How to Read a Paper-S. Keshav说：不要把每篇论文都当教材。对大多数论文：
- 第一遍筛掉：看Abstract（摘要）、Introduction（研究背景）、Figure（所有图片）、Conclusion（结论），回答研究了什么？为什么重要？对我的课题有没有帮助？
- 第二遍以 Figure 为中心，读懂所有图
- 第三遍像 Reviewer 一样读：不是记住作者说了什么，而是不断追问：为什么这样设计实验？有没有更好的模型？统计方法合理吗？还有哪些混杂因素？如果让我接着做，下一步研究什么？
- 先对模型能力分类，定好分类学（这一步耗时最长）
- 对每种模型能力分述：简短/一句话定义➕实例/图例➕怎么做总述
- 对怎么做的分述：具体有哪些路径？是递进的还是并列的？
- 对该类实现路径再进行“是什么”的分述
豆包都能讲的不要讲/快速讲
- X 任务：该篇文章面向的任务？文章认为的任务痛点是？任务现有的实现路径有哪些？
- Y 方法：该篇文章的一句话核心思路➕图例（是什么），接着深入核心思路的具体实现（怎么做）
- Z 效果：实验配置罗列，图表解释
讲更多我们自己的思考
- 论文本身的启发和思考：
- 综述层面：串联其他文章，在这个工作领域中的生态位
- 对于自己的工作：论文有什么值得我们借鉴的思路？
- 论文的含金量评估：
- 实验部分：实验是否全面？是否对比公平
- 如果是 oral？思考为何它值得 oral 的原因