最近在和C同学负责一个算法项目。C同学行动力很强，当有一个 idea，我想着的是 “ 我可以去找些文章调研看看”，那一头他已经开始敲代码验证了。这个研究小领域我们可以说基本是同时起步的，甚至开始前我可能接触比他稍多些，现在他对问题的洞悉理解已远甚于我了。
做科研需要多一些以行动驱动思考的精神。拿另一个项目举例，单从文章数量上看阅读数量也是够多了，我也是确确实实每篇认真读了的。但一和同学交流起来便发现对工作创新点把握不到位。这便是看得多了而做得少了。从想法到结果之间有着巨大的鸿沟：1. 文章为了说好故事，会侧重就轻；2. 深度学习文章解释性很多也是自圆其说了。Talk is cheap, show me the code，费曼式学习 > 读代码学习 > 读文章。
这种思维模式的差异部分还来自于硬件和算法领域的区别。做算法入门学长会说“你复现一下这几篇文章”，但做硬件很少有这样的说法了。硬件的工程成本高于算法，加上硬件不像算法开源风气那样旺，导致我学习硬件时往往输入大于输出。
说到硬件，最近是越来越感受到硬件和算法之间的差异。发文章大致俩种思路，be first 或是 be smart 。做 be first 各种工程技巧堆砌得到一个比较好的性能发一篇文章或是单纯没人做过踩坑式发文章。有什么意义呢？硬件是极其依赖工程的，比工程和人力，实验室的体量能比过像英伟达、台积电吗？在公司的夹缝之间，实验室研究的空间是什么？
研究的问题得是真问题，在花上雕屎要好于屎上雕花。多思考第一性原理，这个领域本质的问题到底是什么？本质问题一定是 sample 的。那么硬件领域的第一性在哪里？是部署、架构还是器件？这个问题可以从产业上下游结构中找到部分答案，硬件的终极 solution 是去发明新器件而非做应用。
这段时间科研收获总结如下：
- 研究
-
- 要做真问题，要做源头的问题
- 经营自己的研究，设计自己的研究，找到适合的一个领域深入
- 思考在于提高抽象层次，用好建模思维，数学要学好
- 效率
- 行动带动思考
- 没有 data 和 code 支撑的观点没有意义
- 视野
- 多结合学术界和业界两头的角度思考
- Survey 不宜太深（为了发文章除外），Survey 广而浅，深度交给主线实践项目
—— 2024/1/28 于北京中关村
标签：问题,科研,算法,硬件,打怪,行且,思考,文章 From： https://www.cnblogs.com/devil-sx/p/17992760