知乎转载：在计算机领域的科研中，最初的创新点从何而来？

作者：电光幻影炼金术

链接：https://www.zhihu.com/question/534444001/answer/2512264697

来源：知乎

著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。

直接上干货。在阅读了100+顶会论文以后，我总结出了以下构造创新点的方式：

1、化繁为简法：发现过去的文章过于复杂，或者模块过于多，用一个简单本质的办法把过去很难做成的事情做成。

2、包容并蓄法：把多个文章的优点通过某种方式巧妙地结合起来，互相弥补不足。

3、推广应用法：把已有的发现做新场景的应用推广，做的更大更强更好。

4、弥补不足法：通过对已有的不足场景进行归纳梳理，定义新的问题，提出新的方法加以解决。

5、天马行空法：构造一个新的任务或者模式，并且通过对比找到解决这一问题的最优方案。

6、解释演绎法：通过对已有方法的深入分析，演绎出新的结论。然后通过实际场景验证结论是否成立，并且提出新的方法。

7、考古翻新法：把N年以前的基线方法拿出来，看看是不是能调的更好。往往N年以前的方法+最新的tricks就是最好的。

8、挖掘比较法：挖掘未发现的影响因子，通过比较建立结果与猜想变量之间的关联。

题主还有一个问题，如何去寻找创新点，是看文献还是复现别人的结果。我总结了一下寻找创新点的方式：

1.多读文献加总结是科研有突破的重要途径。建议从早期的文章开始读，读的时候想象自己穿越回当时，能不能发现问题在哪里，有没有什么新的想法。然后再找后面的文章查对一下，看看自己的想法对不对。通过这种方式促使自己学会发现问题，找到创新点。

2.多阅读一些专业的 审稿 意见，训练自己的鉴赏能力。很多未解决的问题都能从审稿意见中发掘出来。欢迎关注我的系列视频栏目「从审稿到 中稿 」，带大家从审稿意见中发现问题，最终实现中稿。

3.多读读 arxiv ，最好培养定期翻看arxiv最新文章的习惯。很多厉害的文章都会先放在arxiv上，而做研究掌握一个好的timing至关重要，早点入局就能抢到先手。另一方面，arxiv上很多文章做的不够好，问题没做完，自己多想想努力一下就能有更好的结果。当然别忘了引用arxiv的文章并讨论区别。

4.培养自己对科研问题的格局把握，具体说，判断一个问题是三个月之内可以解决的，还是三年可以解决的，还是三十年也解决不了的。不要凭自己的主观臆断来判断，多看看大佬怎么说。如果很多大佬都觉得一个问题三年之内可以解决，并且很有趣，那么就是一个很好的入手问题。

5.有人说，看到很多论文准确率都很高了，不知道该咋办。这是个新手非常常见的问题，我想引用一个著名的比喻来回答。一个问题的模型，就好比一架很复杂的波音飞机，有几百上千个按钮，有的重要，有的不重要。你现在看到的，就好比看到有那么一架飞机飞的很快。但是更有意义的问题是，你对这架飞机的性能完全了解吗？哪些部分是真正起作用的？能不能造一架更简单但是飞的更快的飞机？如果不能，瓶颈在哪里？这架飞机是不是足够鲁棒，在任何条件下都能飞得很好？

6.有人说准确率已经很高了，比如说达到了95%。一个事实：如果把5%的错误样本拿出来构成一个数据集，那么它的正确率将是0%。

所以关键不在准确率多高，而在失败的样本是不是重要。在真实的自动驾驶或者机器人中，有1%的失误可能会导致很快报废。

7.永远关注交叉领域或者新领域，并大胆提出新想法。可能新想法会被另一个领域的人爆锤，不要灰心，这是常态，并不要怕碰壁成为作为阻止你学习的理由。不要自己给自己设置壁垒。

8.可能导师会觉得研究另一个领域会投入很多资源（比如算力或者他开会的时间），但是他挡不住你学习另一个领域的论文。资源可以受限，但是思想不会受限。特别是一个领域的突破性进展，往往可以影响其他领域。降维打击很重要。

9.把卡住自己的问题记录下来，之后会有意想不到的影响。我跟swin transformer(今年获得了比best paper很难得的马尔奖)的作者聊过，他们是怎么想到swin transformer的？他们说，之前就有想过把self attention替换cnn，但是瓶颈是计算量会大很多，看到谷歌出了vit，算的很快，解决了他们之前的瓶颈，就是self-attention也可以很快还很好，这样他们就产生了swin的想法。

10.人的创造力是无穷的，科研更多是一种文化，比赛才要刷点。比如同一届的会议有很多论文在imagenet上点数都差不多，但是都各有亮点。百花齐放，百家争鸣，而不要内卷。

11.多复现一些代码，很多论文都是表面好看，实质代码一跑就有很多问题。

12.历史是会循环的，旧的领域的突破往往可以适用于新的领域。因此多看看经典论文很有帮助。

13.要掌握一门到两门可以泛化的，经过大量事实验证有效的方法论。举个例子，比如加速计算的cuda编程等一系列方法，在不同的领域都可以试用。

14、很多好的idea都是在讨论和碰撞中产生的。尽量多和研究者讨论，方式不限于

（1）实验室交流

（2）参加讨论会或者研讨会

（3）微信群组讨论，可以看评论区加入我的讨论群

（4）参加一些国际顶级学术会议，不需要发表论文也可以参加

（5）网上看workshop的录像

15、没有比较就没有伤害，把同一个顶会做同一个任务的论文放到一起，高下立判。

16、想到什么好的idea，马上去试，不要犹豫。没有不好的idea，只有不明确的idea。

17、如果单个数据集不能做好，尝试做更多数据集，甚至是跨领域数据集。小数据集上有用的，不一定大数据集有用。

18、必要的时候翻一翻很久之前的baseline，比如我这篇回答就是很久之前就有的，但是应该有很多人还没看过。

作者：电光幻影炼金术

链接：https://www.zhihu.com/question/534444001/answer/2512264697

来源：知乎

著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。