T01a Tutorial 1 上半:论文去哪找、什么样的能引、八个部分各装什么
期末 project 的检索 checklist:三个来源按阶段用,三个工具按问题分,再拆开论文八个部分,标出 Introduction 里最值钱的那一句。
一句话版
这节 tutorial 不讲 AI 知识点,讲找论文、读论文、从读到的东西里长出研究问题的方法,用在期末 project 上,不考笔试。上半部分管输入的前两步:论文去哪找、什么样的值得引,拿到手后八个部分各装了什么。
先认识这几个词
| 词 | 全称 / 读法 | 一句人话 |
|---|---|---|
| 同行评审 | peer review | 论文发表前由同领域专家审稿把关 |
| 顶会 | top-tier conference | 本领域最有分量的学术会议 |
| 预印本 | preprint,常见于 arXiv | 作者自己先公开的版本,未必经过评审 |
| workshop | 会议附带的小型研讨会 | 篇幅短、门槛较低,是否评审要看具体征稿规则 |
| BibTeX | 一种参考文献格式 | 复制进论文就能自动生成引用条目 |
| baseline | 基线方法 | 实验里拿来比较的已有方法 |
| 消融实验 | ablation study | 逐个拿掉部件,看提升到底来自哪一块 |
题目地图
课件共三十六页,分四段。四段是一条流水线:前三段管输入,最后一段管输出,最难的也是最后一段。这一页讲前两段,后两段和倒数第二页那道作业在 T01b。
| 段落 | 回答的问题 | 直接产出 |
|---|---|---|
| How to find a paper | 论文在哪儿,什么样的值得读 | 一份可靠的检索路径 |
| Paper structure | 八个部分各自装什么 | 自己写报告时的章节模板 |
两段的关系很直接:第一段帮你拿到一篇靠得住的论文,第二段告诉你拿到之后先翻哪一节、从每一节拿走什么。
概念卡
1. 等级与引用量(Venue Ranking)
人话定义:它解决「这篇能不能引」的判断。引用量和发表场所(venue)只是筛选线索,不是硬门槛,还要核对方法、证据和评审状态。
例子:课件一张表里,顶会和期刊标 Good,预印本和 workshop 标 ?。问号表示要进一步核查,不能据此断言 workshop 都没有评审。
三个榜单口径不同。Google top publications 按 h5-index(近五年引用指标)排,看影响力。CORE 是专家评级 A*/A/B/C。CCF(中国计算机学会)目录分 A/B/C 类,中文语境里最通用。
常见误解
拿引用数当质量证明 → 预印本的引用可以很高,但预印本身份不证明经过评审,它可能另有正式发表版。
写 project 时优先引顶会近三年的论文,比引十年前的综述更显得跟得上进展。
2. 三个工具的分工(Scholar / DBLP / Library)
人话定义:它解决「用哪个工具查」。三个工具各管一件事,用错了会很低效。
例子:Google Scholar 做全文检索、给引用计数,还能顺着 Cited by 反向找出这篇之后的后续工作。DBLP(计算机论文目录)按作者、按会议完整列出发表记录,元数据准确,能直接导出 BibTeX。学校图书馆有机构订阅,前两个只给标题摘要、正文要钱时,去那里下正版全文。
常见误解
以为搜索引擎会替你判断质量 → 它把没人审过的预印本和顶会正会论文排在一起,质量判断永远是自己的活。核出处这一步交给 DBLP。
3. Introduction 的五模块(Introduction Structure)
人话定义:它告诉你引言里哪句最值得抄。引言是一条从「领域在做什么」推到「所以我们做了什么」的逻辑链,共五个模块。
例子:这条链是 Background(领域现状)→ What is broken / missing(缺什么)→ Goals(本文目标)→ Methods(怎么做到)→ Contributions(贡献)。第二环最值钱:作者已经替你把领域的缺口写成了一句话。读十篇引言、抄下十句「缺什么」,选题范围就出来了,这比读十篇 Method 划算得多。
常见误解
把 Related work(相关工作)当成凑字数的章节 → 它是论文之间的路由表。找到一篇对味的,它的相关工作就是这个方向的入门书单,比自己关键词乱搜准得多。其中「和本文的关系」那块通常写着本文自称的创新点。
4. Method 与 Experiment 怎么读(Method & Experiment)
人话定义:它告诉你中间两节该拿走什么。Method 分「提出的模型」和「为什么这么设计」两块;Experiment 分设置、结果、讨论三块,用来判断结论可不可信。
例子:Method 一节课件单列了 “Reason of this design”。审稿人和导师问的是「为什么用 attention 不用 CNN」,不是「你的网络几层」。Experiment 的 Setup 写数据集、baseline、指标和超参,Discussion 里放消融和分析。
常见误解
看到表格里本文分数最高就当结论成立 → 先查两处警报。一是 baseline 太弱太旧,赢了三年前的方法不算赢。二是只报总分不做消融,说不清提升来自哪个部件。这两处都在 Discussion 里查。
逐题拆解
第一段:三个来源按阶段用,三个工具按问题分。早期用在线社区探路。预印本讨论比正式发表早几个月到一年,社区讨论可提供线索,但论文的局限和原始实验同样要读。中期用搜索引擎按关键词定位。定了方向后,到顶会顶刊取经过评审的结论。
会议按四类记,比背十二个名字有用:机器学习三大(NeurIPS / ICML / ICLR)、视觉三大(ICCV / CVPR / ECCV)、自然语言(ACL / EMNLP / NAACL / COLING)、综合 AI(AAAI / IJCAI)。标准动作是 Google Scholar 找到 → DBLP 核出处、导 BibTeX → 学校图书馆下全文。校外访问先把代理配好(VPN 或图书馆代理),否则第一次下全文就会卡在付费墙上。
第二段:八个部分按信息密度排,不按阅读顺序排。前四个部分是 Abstract、Introduction、Related work、Method。后四个是 Experiment、Conclusion、Acknowledgement、Reference。
Abstract(摘要)是五要素压缩包:背景、问题、方法、结果、结论,每个一两句,可以直接当自己报告摘要的模板。Introduction 信息量最高,选题灵感在这里。Related work 用来顺藤摸瓜找同方向的其他论文。
Method 读 why,Experiment 查两处警报,上面概念卡已经拆过。Conclusion 要和 Introduction 首尾呼应:引言提的问题,结论要回答;引言许诺的贡献,结论要兑现。自己写报告时把这两节连着读,对不上就说明中间跑题了。Reference 也别只当格式看,它是现成的扩展书单。
课件里的坑
- [课件留白] p.33 那个范例里的 KDD 和 WWW 不在 p.7 的会议清单上。原因是每个子领域有自己的顶会,p.7 那张表只覆盖通用 AI 和几个大方向;做推荐系统或数据挖掘就投 KDD / WWW。照着 p.7 找推荐系统的论文会找得很别扭(p.7、p.33)。
- [补充] p.10 那两个中文社区是给起步阶段用的:先用中文把概念搞懂再回去啃原文,比硬读快得多。但别停在二手解读上,写 project 时引用必须回到英文原文(p.10)。
- [补充] p.21 说致谢一般跳过,但经费来源偶尔有信息量——大公司资助的论文,结论正好对该公司产品有利时,读实验部分要多一分警惕(p.21)。
课后 10 分钟:考点复习
这 10 分钟怎么用:合上页面,先默写两条——三个工具各管什么、Introduction 五模块哪一环最值钱;再把下面的「变式题」做一遍;最后回查最容易错的地方:拿引用量当质量证明。三步做完再往下看答案。
必背
- 引用先看相关性与证据质量,再核发表和评审状态;预印本未必评审,workshop 是否评审要查具体征稿规则,排名和引用量都不是质量保证。
- 三个检索工具分工不同:Scholar 搜得广并能顺着 Cited by 往后追,DBLP 出处最准且直接给 BibTeX,学校图书馆负责下到正版全文。
- 论文八个部分里 Introduction 信息密度最高,其中「现在还缺什么」那一句直接就是选题线索。
- 读 Method 要读 why 不只读 what:每个设计选择在解决什么问题,比模型有几层更值得写进笔记。
- 看实验盯两处:baseline 是不是选得太弱太旧,以及有没有做消融实验说明提升来自哪个部件。
- 三个来源分阶段用:社区探路 → 搜索引擎定位 → 顶会论文取可靠结论。
完整例题
改编自课件 p.33(「LLM + 推荐系统」找研究问题的范例)。
题面:你选了「LLM + 推荐系统」方向,在 Google Scholar 上搜到一篇讲冷启动推荐的候选论文,出处栏写着 KDD。按课件的流程,回答:(1) 下一步用哪个工具、核什么、顺手拿什么;(2) 正文要付费怎么办;(3) 为什么在课件的会议清单里找不到 KDD,它够不够格;(4) 拿到全文后先翻哪两节,各拿走什么。
解法:
- 核出处用 DBLP。搜索引擎会把预印本和正会论文混排,DBLP 给的元数据是会议正式收录的那一版,可以确认年份和会议名,顺手导出 BibTeX。
- 全文走学校图书馆。机构订阅能下到正版全文;在校外要先配好 VPN 或图书馆代理。
- 清单只覆盖通用 AI。课件那张十二个会议的表按四类列了机器学习、视觉、自然语言和综合 AI。每个子领域有自己的顶会,KDD 和 WWW 是数据挖掘与 Web 方向的顶会,做推荐系统正好投这两个。课件自己的范例就用了它们。
- 先翻 Abstract 和 Introduction。Abstract 用来判断要不要继续读。Introduction 信息量最高,在里面找 What is broken / missing 那一句,抄进笔记,这就是这个方向的缺口。
要点:前三步都在回答「这篇靠不靠得住、拿不拿得到」,第四步才开始读。等级只是线索,引用前仍要看方法和证据。
答题格式:每一问先写工具或章节名,再写一句理由。只写「去图书馆」不写为什么,看不出你分清了三个工具的分工。
变式题(先自己做)
自编情境。下面是一篇假想论文 Introduction 的五句话,顺序被打乱了:
- 甲:本文提出一个把物品文本描述接入推荐模型的框架。
- 乙:推荐系统依赖用户的历史行为数据来预测偏好。
- 丙:本文的贡献是一个新框架和一组冷启动场景下的实验。
- 丁:新用户、新物品没有历史行为数据时,现有模型几乎无从下手。
- 戊:本文的目标是让模型在没有历史数据时也能给出推荐。
(1) 按五模块的顺序排好,并给每句标上模块名。(2) 哪一句是选题线索?(3) 这篇的实验只和三年前的方法比,而且只报了总分,你该怎么评价它的结论?
提示
先找描述「领域在做什么」的那句当开头,再找「但现在缺什么」。(3) 回想 Experiment 的两处警报,它们都在 Discussion 里查。
判分点与答案(非官方评分标准)
判分点:① 五句顺序和模块名都对;② 指出「缺什么」那句是选题线索;③ (3) 两处警报都点到。
(1) 乙 Background → 丁 What is broken / missing → 戊 Goals → 甲 Methods → 丙 Contributions。
(2) 丁。作者已经把这个领域的缺口写成了一句话:新用户、新物品没有历史行为数据。这就是冷启动问题。
(3) 结论可信度要打折。baseline 太旧,赢了也说明不了它比当下的方法强;只报总分不做消融,说不清提升来自框架里哪个部件。
闪卡自测
1. 一篇预印本被引 500 次,一篇正会论文被引 30 次,写 project 先引哪篇?
不能仅凭引用数或发表身份决定。相关性相近时可先读正会版本,但仍须核实方法与证据;关键预印本可以引用并标明状态(p.8、p.11)。
2. 想看某位学者这三年发表了什么用哪个工具?想找引用了这篇的后续工作呢?
前者用 DBLP,它按作者完整列出发表记录且元数据准确;后者用 Scholar 的 Cited by 反向追踪(p.12)。
3. 三个来源各在什么阶段用?
在线社区在最早期,看别人的评价和通俗解释;搜索引擎全程用,按关键词定位具体某篇;顶会顶刊在定方向后,取经过同行评议的可靠结论(p.5)。
4. 课件列的十二个会议按哪四类记?
机器学习三大 NeurIPS / ICML / ICLR;视觉三大 ICCV / CVPR / ECCV;自然语言 ACL / EMNLP / NAACL / COLING;综合 AI AAAI / IJCAI(p.7)。
5. Google top publications、CORE、CCF 三个榜单各按什么排?
Google 按 h5-index,看影响力;CORE 是专家评级 A*/A/B/C;CCF 目录分 A/B/C 类,中文语境里最通用(p.8)。
6. Abstract 的五个要素是什么?
背景、问题、方法、结果、结论,每个只写一两句。自己写报告摘要时照着这五个槽位填(p.15)。
7. Introduction 的五个模块里哪一句最直接指向选题?
「What is broken / missing」那一句——作者已经把这个领域的缺口写成了一句话(p.16)。
8. Related work 分哪两块?哪块更重要?
Related Research(前人做了什么)和 Relations to this paper(和本文的关系)。后者更重要,作者在这里说清和前人的区别,通常就是本文自称的创新点(p.17)。
9. 读 Experiment 时该盯哪两处警报?
baseline 是不是太弱太旧,以及有没有做消融实验。前者让赢来得可疑,后者让提升说不清来自哪个部件,两处都在 Discussion 里查(p.19)。
10. Conclusion 回收 Introduction 的哪三样东西?
Hypothesis / Problem、Goals and methods、Results。所以两节必须首尾闭环,自己写报告时连着读能查出跑题(p.20)。
下一步
T01b 接着讲后两段:拿到一篇论文后分几遍读、读的时候挂着哪四个问题,以及怎么从综述和顶会论文里找出自己的研究问题,倒数第二页那道作业也在那里走一遍。去之前先把学校图书馆的校外访问配好,再在 Scholar 上随便搜一篇你感兴趣方向的论文,用 DBLP 核一次出处、导一次 BibTeX,把整条检索路径亲手走通。
个人整理的学习笔记,不是官方材料;数字与结论以课件和讲师为准。