1.科研周期：
2.CCF列表
1.搜索论文（顶会）
2.谷歌学术检索
3.如何阅读文献
- 最重要的部分是abstract introduction 和related work，要明白某个东西的历史，从而进一步发现的缺陷，然后通过实现实验去证明。
- 通过实验方法清楚原理：
- 拓宽知识点:
4.问题发现和创新点的挖掘（问题+动机+贡献）
**问题：**该文献发现的问题
**动机：**我们对于解决问题的切入点
**贡献：**解决这个问题背后的贡献
4.1问题的发现和提出
- 有些文章可能出发点有点片面，只从了某一方面进行考虑，那么我们可以从多方面进行考虑。
- 静态vs动态：有些实验的参数可能是静态，预设好了的，而我们可以用动态的参数进行完备。
- 单一和多面：某个实验的应用除了在某一单方面的解决之外，还可以在多方面下手（比如实验A解决了某药品对于某一类患者的问题，那么我们可以去从其他类别的患者进行出发）。
或者说这个实验能不能搭配其他的东西——>从多类实验出手，寻找对于某个问题的解决。 - 针对缺陷：效果好——>时间差，时间好——>效果差
5.对于如何挖掘创新点的例子：
1.问题：特征图数剧烈变化似乎效果不好（从数据入手）
2.动机：特征图的缓慢变化似乎效果更好，有利于网络的特征学习（从问题出发，找到切入点）
3.贡献： 有利于网络的特征学习
6.实验认证所提出的创新点：
6.1数据的规模出发
从小数据小模型出发，如果没有问题——>用在大模型上；（也有可能小数据小模型和大数据大模型的结果不一样）
6.2与先进的方法作对比实验
会议论文和期刊论文的区别
7.论文写作：
7.1 Abstract 摘要：
首先讲述pre之前的…有着怎样的影响（吹捧）——>2. 然后进行转折，提出问题，需要进行解决——>3.（切入点）用了什么方法进行解决——>4. 具体怎么做的（做了哪些贡献，比如我们学习了…，做了…）——>5.效果
7.2 Introduction 介绍：
7.3 Related work 相关工作：
7.4 实验：
Experiments模块分为三个部分：
必要实验
- 分为数据集，以及对该数据集的介绍评价（比如：why，which）
- 实现详情（用了多少内存，带宽是多少等）
- 利用控制变量的方式进行有效性对比实验
- 与先进方法进行对比
可选实验： - 将我们的实验结果进行可视化
- 参数量和效率的对比（比如我们的参数少，但是效率高，数据量少效率高等）
- 进行鲁棒性对比（研究结果面对数据的变化而变化）
- 讨论优缺点
多元化展示结果： - 除了线性表格外，还可以弄一些其他的表格
8.使用工具
抓住因为所以，因为…所以场景不准确等…（技术点要和场景相结合）
9. Rebuttal 反驳审稿人意见
正面例子：
