让我们共同揭开科研的奥秘，助你更高效地前行：
多读文献，加总结启迪： 从早期文章出发，穿越时光，发现问题并提出新想法。读后找对照，培养发现问题、创新点的能力。
专业审稿意见助力： 阅读专业审稿意见，培养鉴赏能力。
定期阅读arxiv文章： 培养定期翻看arxiv最新文章的习惯。及时获取先进信息，做研究要掌握好timing，抢占先机。
科研问题格局把握： 判断问题解决所需时间，不凭主观臆断，多听大佬意见。一个问题三年内可解决，是不是值得投入？
准确率非唯一标准： 关注失败样本，不仅看准确率多高，更看关键时刻失败的样本。在自动驾驶等领域，1%的失误可能导致严重后果。
大胆提出新想法： 永远关注交叉领域，大胆提出新想法。不怕碰壁，不给自己设置壁垒。
学习另一个领域的论文： 导师可能限制资源，但你可以学习另一个领域的论文。思想不受限制，突破性进展往往能影响其他领域。
记录卡住的问题： 记录卡住自己的问题，未来可能会有意想不到的影响。很多创新来自对过去问题的反思。
创造力无穷大： 科研更是一种文化，比赛只是刷点。同一届的会议中，各篇论文都有各自的亮点。
复现代码，确保可靠性： 看似好看的论文，一跑代码就有很多问题。复现代码是必要的，确保论文真实有效。
历史循环，经典论文重要： 历史是会循环的，旧领域的突破可以适用于新领域。多看经典论文，获取有效方法论。
掌握泛化方法： 掌握一到两门泛化、有效的方法。比如加速计算的CUDA编程，在不同领域都可以试用。
多方位碰撞创新： 在讨论和碰撞中产生好的idea。参加实验室交流、讨论会、微信群组，多与研究者互动。
比较才能见伤害： 将同一会议同一任务的论文放到一起，高下立判。百花齐放，不内卷。
马上试，不犹豫： 有好的idea，马上去试，不要犹豫。没有不好的idea，只有不明确的idea。
跨领域数据集有用： 单个数据集不能做好，尝试更多数据集，甚至是跨领域数据集。小数据集上有用的，不一定大数据集有效。
翻阅往日baseline： 有时候翻翻很久之前的baseline，可能会有新的启示。我的这篇回答可能是很久之前就有的，但应该有很多人还没看过。
科研的路上充满无限可能，坚持创新，发现未知的美好。🔍🚀 #科研心得# #创新思维# #学术交流# #科研进阶#