方法论

大概的总结 做了的事情 继续推进科研项目 开始上手帮学长改动robocup队伍的代码 补充课内内容 没做好的事 科研项目实验结果一直不佳，感觉有点蒙着眼睛瞎猜方法… … 想搞英语学习但是一直没有正真执行 被短视频硬控（目前已经在通过限制使用时间来调整） 四月推进率自我感觉是不如三月份的，或许是不同于三月份这样一个开始的时间点，四月该做的事情都大致定好，在计划上执行推进，所以回想起来就感觉事情不多吧。 方法论反思 这个月对于方法论的执行可以总结为：越来越贴近自己舒适圈，但缺少反思和迭代。 open策略 这个月和隔壁组的一个同学交流比较深，有一个值得学习的点是他的“刨根问底”，对于一些傲慢（按我的话说是“装”）的同学，我一般是直接走开，不做过多交流，但他却会对他不了解的一些点向他们提问，即使要忍受那些人的“自吹自擂”（至少我是这么觉得hhhh）。和robocup组里的学长学姐也有过几次交流，和他们聊了关于转专业的事情，最后的结论是不转了。这个月在xhs上刷到了一位自动化专业想进组的同学，私信要了联系方式并做了一些交流。 总而言之,这个月交流没有明显的减少，也加强了和同届同学的互动，不过在交流中还是能明显感受到曾经封闭的习惯带来的阻力在自己和交流对象上都有时不时的出现，继续调整吧。 流式规划 和上月问题一样，我还是经常会被手机夺走注意力，有一周的抖音使用时间甚至达到20个小时，月末的时候终于采取强制执行，设置每天只可使用15分钟（用来续火花👍），目前看来效果不错。 另外的一个调整是activate prompt慢慢变成一种记录自己灵光一现的渠道，算是一种适应的调整吧。 工程思维 这个月还是主要适用codex进行代码的撰写，读代码虽然在日程上，但还未执行。特别是robocup队伍内的代码我也完全使用ai编写，导致学长有时候问我一些细节问题我也答不上来。 输出 这个月做了一些知识输出，但主要还是用ai来写作（当然，这篇不是）。但是上个月定的写综述的目标我居然忘了，现在重读总结才看到…不过综述严格写起来也不是很好写的，可以改为写串联自己这个领域的一篇“概述”。5月一定补上！ 主线反思 课内知识 月末因为要物理考试的关系，对物理进行了一次冲刺，最后结果还不错，所以课内知识通过平时低强度跟进+短期冲刺是有效果的，但是期末要面临很多门课，这个工程量要注意，平时至少要把握70%的内容。 科研 导师完全不指导这个问题实在是困住了我，学长也劝我跑路，但是实验做了那么多，直接放弃沉没成本太高，还是打算做完再跑。下次找导师一定要先聊聊，找到好导师再动手做。 总结 四月总体的体感过的很快，很多之前计划的事情都没有做好，或是没有做，这个月要把之前计划的事情完成了，新的坑就暂时不挖了： 课内知识：复习高数内容（5.11有一个考试），考完后也别忘了继续跟进新内容。英语学习也要跟上！！！！ researh：把相关论文读完，写一篇小综述，清理验证自己之前记下的idea（给个好结果吧😭） 刷课：这个月至少刷完一门课，目前暂定CS106B/X 五月也算是上半年的一个冲刺阶段了，gogogo！

大概的总结 三月份做了的事 申请学校科研项目并开始初步尝试 入门robocup仿真3D足球 coffee talk进展顺利，本月进行了3次 没做好的事 折腾claude 课内进度严重落后 没有找到合适高效的学习方法（就是被手机控制了） 英语学习磕磕绊绊 刷课由于时间紧没有做 方法论的反思 存在的问题 在方法论上的执行度呈现一个递减的趋势，在最开始的一两周大概可以执行70%，但是越到后期执行效率越低。 open策略：这个月末拉了一个乐队的朋友一起在工位学习，也和他交流了未来的规划，算是有了一个交心的朋友。然后和班里的一位同学有部分的交流，但是我没有和他交流科研上的事情，以后慢慢来吧。我感觉我自己没有能完全地执行open策略，在遇到一些人和事的时候还是会不自然地掩盖自己在做的事情，也会存在我的进度或视野比你超前的想法，导致open策略受到我自己的限制。这也不是一朝一夕可以改变的，我打算慢慢来。 流式规划：这个方法我在月初的时候还有执行，到后面就完全没有实行下去。有几个原因：经常被手机控制，没有学习到1个半小时就拿手机开始刷；提示词的用处还是有的，但是有的时候会忘记写；最初进行了每日以1.5h一个epoch进行时间规划，但这种细分的规划完全起不到约束的作用。 工程思维：现在存在的一个严重问题是对ai的过分依赖（claude太好用了你懂吗😭）。最开始还会尝试审阅代码，后来就直接使用codex和claude code写代码，这就导致我对于代码没有完整的了解，代码能力也没有任何的提升。 输出：在科研开始的时候进行了一些知识输出，但是后半月就几乎没有了。周记也只写了一篇。 调整策略 open策略：我打算慢慢寻找更多的朋友，在校科协或许可以找到不错的伙伴。那里的同学我也和我目前的学习路径高度相似，我相信可以找到不错的朋友。 流式规划：1.5个小时为一段学习时间的规划，我认为依然是好的。在执行的过程中，我发现用Focus Noodles强制隔离手机的效果不错，这个月需要加强执行。而每日细分epoch的规划就放弃，使用动态的规划形式。 工程思维：这个月需要强制降低ai的使用频率，review自己科研项目的代码和robocup的代码，不能做到无脑使用ai，对ai的改动需要清楚为什么。 输出：这个可以和工程思维的改动一起做，贴一些代码阅读上的反思，和阅读论文的笔记。这个月定一个目标，必须要写出自己当前研究方向的一篇综述。 四月重点 经过上文的一些反思和总结，这个月要做的事大致如下： 学习大纲 课内知识：这是重中之重，这个月必须要至少学到老师讲到的地方，并且要有足够的刷题。可以考虑一天看课一天刷题。每天必须先学足够的课内课程才可以进行其他学习。 research：快速review完当前实验的状况和改进的点，距离截稿日期还长，可以保持低频的输入和输出，保证每天有进步即可。 robocup ：停止完全的ai代码，把一些重点代码读通，补充这方面的通信知识也是不错的。 Stanford CS106B/X、ECC、汇编：这些课程可以在以上三个方向完成后作为补充知识（大概是不会做的），其中ECC可以作为学习之余解闷的放松，深入强化一下claude code的使用。 总而言之，新的一个月继续加油，少崩溃，多反思，GO！

简单回顾 本周主线：深入阅读敲定下来的科研方向的文献。 最大推进：阅读了5篇该领域的主要文献。针对transformer不熟悉的问题，学习了transformer的基本架构与实现，了解了CILP的底层架构。 最大问题：每日效率有待提高，有的时候会陷入不断制定计划的虚假的自我满足；对课内学习有所忽视。 主要学习内容 本周主要针对LLM+FedDG方向做了深入的文献阅读，CoOp → PromptFL → DiPrompT → FedTPG → FedDSPG，详细了解了soft prompt在联邦域泛化领域的进展。 下面对每篇论文的内容做简要概述： 文献一：CoOp（IJCV 2022） 创新：该文献首次提出了图文模型（CLIP、ViT）在联邦域泛化领域的应用，通过生成soft prompt的形式显著改善了人工提示词工程量大，泛化效果不高的问题。 问题：但它是单机方法，无法适用于数据分布在多设备上的联邦场景；且学到的 prompt 是静态向量，对训练时没见过的域/类泛化能力有限。 文献二：PromptFL（IEEE TMC 2023） 创新：首次将 CoOp 的 Soft Prompt 训练搬进联邦框架，只聚合 prompt 向量而非整个模型参数，通信量压缩约 110 倍，且在 Extreme Non-IID 下仍保持稳定（88% vs 传统 FL 的 29%）。 问题：所有客户端共享同一个 Global Prompt，不区分域差异；没有评估对未见目标域的泛化能力（即不涉及 Domain Generalization）。 文献三：DiPrompT（CVPR 2024） 创新：将 prompt 解耦为 G-Prompt（通用知识）和 D-Prompts（域特有知识），并设计 Q-Prompt 自动查询样本所属域，消除了对域标签的依赖和客户端与域一一对应的限制。 问题：D-Prompt 池大小固定，需要预设域数量；推理时的协同集成依赖目标样本与源域相似的假设，面对全新域时可能失效。 文献四：FedTPG（ICLR 2024） 创新：用轻量级 PromptTranslator 网络根据类名文本 embedding 动态生成 prompt，使模型能泛化到训练时未见过的新类别，解决了固定 prompt 向量无法跨类迁移的问题。 ...