https://yun7211.github.io/series/%E7%A0%94%E7%A9%B6%E8%AF%BE%E9%A2%98%E6%96%B9%E6%B3%95/Recent content in 研究课题方法 on Yun 的个人博客Hugo -- gohugo.iozh-cnMon, 18 May 2026 11:50:00 +0800https://yun7211.github.io/research/writing-review/research-weekly-review/Mon, 18 May 2026 11:50:00 +0800https://yun7211.github.io/research/writing-review/research-weekly-review/<h2 id="为什么做周复盘">为什么做周复盘 </h2><p>研究任务经常是开放问题，如果只记录最终结果，中间的判断依据很容易丢失。周复盘的目标是留下阶段证据，让下一周知道该继续、收缩还是换方向。</p> <h2 id="推荐结构">推荐结构 </h2><p>可以固定写这几项：</p> <div class="highlight"><pre tabindex="0" class="chroma"><code class="language-txt" data-lang="txt"><span class="line"><span class="cl">本周目标： </span></span><span class="line"><span class="cl">完成进展： </span></span><span class="line"><span class="cl">关键证据： </span></span><span class="line"><span class="cl">遇到的问题： </span></span><span class="line"><span class="cl">判断变化： </span></span><span class="line"><span class="cl">下周计划： </span></span><span class="line"><span class="cl">需要求助： </span></span></code></pre></div><p>这个结构不复杂，但能覆盖研究推进最重要的信息。</p> <h2 id="关键证据">关键证据 </h2><p>复盘里最值得保留的是证据，而不是情绪化结论。证据可以是实验结果、日志、图表、论文结论、对比数据或失败复现记录。</p> <p>如果某个判断改变了，要写清楚是哪个证据让判断改变。</p> <h2 id="下周计划">下周计划 </h2><p>下周计划最好具体到可以执行：</p> <ul> <li>复现某篇论文的一个实验</li> <li>补齐一个数据处理脚本</li> <li>比较两个基线方法</li> <li>写完相关工作的一小节</li> </ul> <h2 id="小结">小结 </h2><p>周复盘不是额外负担，而是研究过程的导航。它能帮助我们避免在模糊问题里原地打转。</p>https://yun7211.github.io/research/experiment-reproduction/experiment-log-template/Mon, 18 May 2026 11:20:00 +0800https://yun7211.github.io/research/experiment-reproduction/experiment-log-template/<h2 id="实验记录的价值">实验记录的价值 </h2><p>实验记录不是流水账，而是为了让未来的自己能够复现当时的判断。好的实验记录应该能回答：为什么做这个实验，怎么做的，结果是什么，是否支持原假设。</p> <h2 id="推荐字段">推荐字段 </h2><p>可以固定记录这些字段：</p> <div class="highlight"><pre tabindex="0" class="chroma"><code class="language-txt" data-lang="txt"><span class="line"><span class="cl">实验日期： </span></span><span class="line"><span class="cl">实验目标： </span></span><span class="line"><span class="cl">假设： </span></span><span class="line"><span class="cl">环境： </span></span><span class="line"><span class="cl">输入数据： </span></span><span class="line"><span class="cl">操作步骤： </span></span><span class="line"><span class="cl">关键参数： </span></span><span class="line"><span class="cl">结果： </span></span><span class="line"><span class="cl">异常： </span></span><span class="line"><span class="cl">结论： </span></span><span class="line"><span class="cl">下一步： </span></span></code></pre></div><p>字段不一定每次都写满，但假设、环境、结果和结论最好保留。</p> <h2 id="环境记录">环境记录 </h2><p>环境包括硬件、系统版本、依赖版本、编译参数和数据版本。很多复现失败不是方法错了，而是环境差异没有记录。</p> <p>嵌入式相关实验还要记录板卡型号、内核版本、设备树版本、启动参数和外设连接状态。</p> <h2 id="异常也要记录">异常也要记录 </h2><p>失败实验同样有价值。异常日志、错误输入和失败条件能帮助排除路径，也能避免之后重复踩同一个问题。</p> <h2 id="小结">小结 </h2><p>实验记录的目标是支持复盘和复现。只要能让结论有证据、有上下文、有下一步，它就是有效记录。</p>https://yun7211.github.io/research/topic-literature/literature-reading-notes/Mon, 18 May 2026 11:10:00 +0800https://yun7211.github.io/research/topic-literature/literature-reading-notes/<h2 id="为什么要固定模板">为什么要固定模板 </h2><p>论文读多以后，如果每篇只留下零散划线，很难回头比较。固定模板能帮助我们把论文放到同一张表里看：它解决什么问题，用什么方法，证据是否充分，能否复现。</p> <h2 id="基本信息">基本信息 </h2><p>先记录最基础的信息：</p> <div class="highlight"><pre tabindex="0" class="chroma"><code class="language-txt" data-lang="txt"><span class="line"><span class="cl">标题： </span></span><span class="line"><span class="cl">作者： </span></span><span class="line"><span class="cl">年份： </span></span><span class="line"><span class="cl">会议/期刊： </span></span><span class="line"><span class="cl">代码/数据： </span></span><span class="line"><span class="cl">关键词： </span></span></code></pre></div><p>这些信息方便之后检索和引用。</p> <h2 id="核心问题">核心问题 </h2><p>用自己的话写出论文试图解决的问题。不要直接复制摘要，而是回答：</p> <ul> <li>以前的方法哪里不够</li> <li>作者具体改进了什么</li> <li>这个问题为什么重要</li> </ul> <h2 id="方法和实验">方法和实验 </h2><p>方法部分记录主要流程、关键假设和实现细节。实验部分记录数据集、基线、指标和消融实验。</p> <p>如果论文有代码，最好记录运行环境、依赖版本和复现步骤。</p> <h2 id="读后判断">读后判断 </h2><p>最后写一段自己的判断：</p> <ul> <li>这篇论文最有价值的点是什么</li> <li>哪些结论还需要进一步验证</li> <li>对当前课题有什么启发</li> </ul> <h2 id="小结">小结 </h2><p>论文阅读不是把内容搬进笔记，而是把论文转化为自己的问题地图。模板的作用，是让每次阅读都有可比较的结构。</p>https://yun7211.github.io/research/topic-literature/topic-selection-framework/Mon, 18 May 2026 11:00:00 +0800https://yun7211.github.io/research/topic-literature/topic-selection-framework/<h2 id="好课题的几个特征">好课题的几个特征 </h2><p>一个合适的研究课题不只是“有意思”，还需要能被验证、能在资源约束内推进，并且有清晰产出。</p> <p>可以从四个维度初筛：</p> <ul> <li>问题是否真实存在</li> <li>是否有明确评价指标</li> <li>当前资源能否支撑实验</li> <li>最终能形成什么产出</li> </ul> <h2 id="问题价值">问题价值 </h2><p>问题价值来自实际需求、理论缺口或工程瓶颈。选题时要能说清楚：如果这个问题被解决，会带来什么变化。</p> <p>如果只能说“这个方向很热门”，还不够。</p> <h2 id="可验证性">可验证性 </h2><p>研究问题要能转化为可验证假设。例如“优化系统性能”太宽，可以进一步拆成“在给定负载下，降低任务切换带来的平均延迟”。</p> <p>可验证性越强，实验设计越容易落地。</p> <h2 id="资源约束">资源约束 </h2><p>资源包括时间、设备、数据、算力、工具链和已有知识。一个好课题不是越大越好，而是能在当前条件下持续推进。</p> <h2 id="小结">小结 </h2><p>选题不是一次性决定，而是不断收缩问题边界。先找到真实问题，再把它改写成可验证、可推进、可复盘的计划。</p>