反思

前言 开学将近一周，科研申请、课程、学习、班级工作等事情接踵而至，学习方向的选择和压力也让我非常迷茫。一次偶然的机会，我了解到了知乎上一位执行力超强、方法论独具特色的学生博主东川路第一伊雷娜（后文简称yln），他的生活和学习方式深深震撼了我。于是我决定基于他学习方法论，提取一些和我契合的部分，对本学期进行学习和生活的规划。 背景分析 这学期有几个点需要考虑在规划范围内： 学期短。整体上学时间共18周，删去过节和周末，大概只有3个月的时间。我需要在这学期尽可能快的迭代，所以需要紧凑的时间安排。 本学期课程难度偏难。主要是大物上和高数下，不能再重现上学期绩点翻车的情况，平时需要投入时间来完成课内的学习。 根据当前学习路线，需要在科研、机器人、算法、课内四个赛道上发力，非常容易陷入什么都学，什么都学不深的情况。 而上学期的规划也可以说是…没有规划。整个上学期主要在熟悉各个方向的框架、适应大学生活上，学习上对各个方向都浅尝辄止。在学期末尾开启CS61A的学习后才算是进入正轨。 当然，在探索上做无用功本身也有其必要的价值。当前学期也会注重两个方向的探索：计算机视觉科研和机器人强化学习方向。理想状态是两个轨道并行，但现实是必须在两个方向做出主次的选择。 这方面在深入科研后再详细思考吧。 总方法论 具体规划执行需要一些方法论的支撑，我将于我个人而言重要的方法论分为三个模块：open策略、流式规划、工程思维。 一、open策略 open策略的核心可以概括为共赢（Win-Win）。通过分享计划、进度、和经验，利用外部监督、鼓励和反馈来驱动自我迭代，从原先的孤军奋斗转化为资源共享与共同进步的生态。 对于我自己来说，上个学期自己的学习方向和手头的资源从不主动与同学交流，学习基本上是独来独往。造成这一习惯的原因一是对自己能力的不自信、害怕居于人下和被嘲笑，二是有害怕别人从我这里汲取经验和路径并超过自己。这种延续高中零和博弈的思维模式在我阅读比较yln的生活规划后终于发觉是大错特错。闭门造车绝对是一种狭隘的认知，广泛的open不仅可以交到不同领域的朋友，也可以开阔自己的视野和学习广度，这对当前的学习和未来的工作都是极有帮助的。 接下来我根据yln的文章进一步解释open： 这是一种分享行动，它包括两种思路：1.我打算做什么？2.我现在在做什么？3.共享经验。 比如，大多数人进实验室，可能分享分享，和学长交流交流就好了。但是open的做法是分享经验，而且去帮朋友改简历，去和他探讨后续问题，不断关心他们的状态。这样可以收获许多新的朋友，社群也扩大再扩大。 再比如，如果考的不错，一方面会在博客提上一嘴，也会和朋友一起分享分享；科研做的不错，就会写一些文章去介绍方法论，同时也去指导朋友告诉他们怎么形成这个过程。 这种方案的实施聚焦于以下三个思路： 吸引力法则，我们越说，越会积累人脉，也更有可能去做，更有机会得到满足和支持； 实时分享内容，得到正反馈，也更能促进我们去执行这一个循环； 能够帮助别人，实现自我价值，得到超强的满足感； yln在open策略上的实践打破了“内卷”的零和博弈。在竞争激烈的环境（如CS专业）中，通过Open策略，yln发现分享不仅没有让自己落后，反而通过筛选队友、获取资源（学长指导、内推机会）、建立个人品牌，实现了指数级的成长。 二、流式规划 流式规划是一种基于“激活函数”理论的并行多线程任务管理系统。它反对“一口气做完”的单线程执念，主张将大任务（如科研、Lab、复习）拆解为若干个时间片（Stream），利用任务间的切换来保持新鲜感，利用“休眠”期间的潜意识思考来解决难题，实现多任务的高效并行调度。 以下是大致实施的框架： 设定时间片：以 1.5小时 为一个标准周期。在此期间全神贯注处理一个任务（如科研代码调试）。 设置激活词：在时间片结束或遇到瓶颈时，强制停止。记录下当前的进度、遇到的问题、下一步的思路（作为“激活词”）。 上下文切换：切换到另一个截然不同的任务流（如从写代码切换到背英语、健身）。利用大脑对不同任务的兴奋度差异来对抗疲劳。 异步处理：对于一时无法解决的Bug或难题，将其挂起，利用走路、吃饭等碎片时间进行潜意识思考（后台运行），往往能获得灵感。 特殊模式（大规模输入）：针对考试周或急需掌握的领域，暂时挂起流式，启用“地铁看书法”或“全天闭关”模式，进行高密度的“Close”输入。 该方法是并行多个领域线程的核心。其中设置激活词来解决片段学习思路卡断的问题简直天才！ 三、工程思维 注：这一方法是yln在科研实践中的总结，我还不太能完全明白其中的内容，先复制完整的AI总结，后续再进行补充和内化。 核心界定 工程思想是一套 “发现问题—拆解问题—利用资源—迭代解决”的实操方法论。 它区别于单纯的学习，强调在实践中遇到Bug或未知领域时，不依赖从头学的完美主义， 而是通过最小化复现、模块化拆解和精准提问，快速跑通流程并实现目标[科研历程–工程思想的汇总，24-12-10]。 实操指南 Step 1：最小化复现 拿到一个项目（如GitHub代码），先不要读源码，先配置环境（environment.yml），解决路径和依赖问题，确保能跑通Demo（Hello World）[大模型调教（二）之代码复现完成和感想，24-10-14]，[深度学习实验能力的一些感想与思考，24-12-29]。 Step 2：模块化拆解与定位 遇到报错不慌张，通过Print调试或阅读Log，定位是数据问题、模型结构问题还是API问题。不要把整个代码丢给GPT，而是只给报错片段或函数逻辑[科研历程–工程思想的汇总，24-12-10]。 Step 3：精准求助 在自己尝试调研（Research/Debug）无果后，再向学长或导师提问。提问时带上自己的尝试路径和猜想，从“怎么做”进阶为“方案A和B哪个更好”[与学长第二次对话稿子（确定小方向），24-10-23]。 Step 4：规范化与标准化 在解决问题后，建立规范（如GitHub Commit规范、实验命名规范、文件目录结构），将临时解决方案固化为长期可用的工具或脚本[Github 开源感想，25-02-28]，[深度学习代码仓库目录结构 - 小路在前的文章 - 知乎，24-12-13]。 优点与突破点 突破点：从“学生思维”转向“工程师/研究者思维”。不再等待老师喂知识，而是具备了独立解决未知Bug、配置复杂环境（如多卡并行、分布式训练）的能力[科研历程–工程思想的汇总，24-12-10]。 核心优势：极高的落地效率。通过工程思想，伊蕾娜能在短短几个月内从科研小白成长为能独立复现顶会论文、管理多卡服务器、甚至优化Infra架构的熟手，实现了从Idea到SOTA的快速转化[大规模实验进入尾声！ –实验能力的总结，24-12-30]。 实现细节 有了总方法论，就可以展开多个节点进行实践。以下整理一些我期望可以做到的具体路径。 Coffee talk coffee talk可以说是open策略中输入的核心。我想有很多同学，学长，老师都值得我学习，可能他们的一些指点或者推荐就比我自己努力很久都有用，如何汲取前辈们的经验？最高效的方法就是通过请同学一份coffee，让他们分享一下学习历程和学习方法。 ...