06:01
研究者的可训练技能栈：从挑选问题到刻意犯错
how to be good at research
本文由 @itsreallyvivek 撰写，提出研究能力并非天赋，而是一套可被刻意训练的次级技能栈。核心论点包括：挑选自己真正关心的问题以制造原创性，升级信息源（读旧材料、跨领域、读原文而非线程摘要）以打破共识，将想法写下来以暴露认知漏洞，通过脚本化工具和低代价实验收紧反馈循环，直接盯着失败案例而非只看损失曲线，有目的地游走多个子领域以找到个人独特性优势，并找到能告诉你想法很糟糕的同伴。文章大量引用 Hamming、Schulman、Feynman、Darwin、Karpathy、Andrew Ng 等人的具体方法论，强调可操作的实践（如预测实验结果、过拟合单个 batch、手动分析百个失败案例），而非抽象建议。适合希望从表面模仿转向实质生产力的研究工程师和博士生，尤其适用于机器学习与系统工程交叉领域的一线实践者。