悄悄告訴你幾個(gè)竅門。

痛苦

做科研，不能不讀論文。

但是，我見過不少研究生，論文都讀得愁眉苦臉的。

這其中，自然有因?yàn)橥涎拥年P(guān)系。例如教授布置了 2 周后討論論文，你原本可以每天抽出時(shí)間，慢慢消化?？赡惴堑猛系浇刂谷掌诘那耙惶焱砩喜糯蜷_看，希望畢其功于一役…… 這顯然是態(tài)度問題。

但是，不可忽略的，有些同學(xué)，卻真的不是態(tài)度問題，而是方法不當(dāng)。

他們喜歡跟論文死磕。

讀不懂，就一遍一遍反復(fù)讀，試圖從字里行間，悟出精髓。

這可能是為了遵從那句古訓(xùn)：

書讀百遍，其義自見。

且不說這樣是不是最終能走通。只論這個(gè)過程，就很痛苦，而且事倍功半。

有的同學(xué)對(duì)著一篇論文發(fā)憤了幾天甚至是幾周，依然看不懂。那種挫折、沮喪，別人看著都難受。

問題出在哪里呢？

困難

我在《如何與導(dǎo)師有效溝通你的論文選題？》一文給你講過，一篇合格的論文，就是傳遞認(rèn)知差的載體。

更進(jìn)一步，不斷涌現(xiàn)的論文，其實(shí)就是學(xué)術(shù)界的升級(jí)安裝包。

你不斷讀論文，就是為了跟學(xué)術(shù)共同體保持同步。但是，只有你跟這篇論文所依賴的那些基礎(chǔ)知識(shí)同步以后，安裝這個(gè)升級(jí)包才有意義，也才能水到渠成。

而對(duì)著論文犯愁的你，不管出于什么原因，顯然不大具備這個(gè)新包兒（論文）的安裝條件。

所以，你需要做的，不是跟這篇論文自身較勁。而是應(yīng)該盡快補(bǔ)充調(diào)整自己的知識(shí)架構(gòu)，使得這篇論文對(duì)你而言，是可以兼容，并且升級(jí)的。

論文羅列的參考文獻(xiàn)，可以作為你補(bǔ)充基礎(chǔ)知識(shí)的一個(gè)有效手段。畢竟，作者親自在這里為你指明的路徑，如同給了你一張寫有路標(biāo)的迷宮地圖。

這就是為什么，許多優(yōu)秀的博士，都是要讀數(shù)百篇文獻(xiàn)的。

讀過那些文獻(xiàn)以后，再看什么新文獻(xiàn)，都會(huì)很有感覺，一下子就能找到方向，看到論文的優(yōu)勢和弱點(diǎn)。

這時(shí)候，你就已經(jīng)是個(gè)專業(yè)人士了。

但是，對(duì)于初學(xué)者而言，你得先讓自己樹立自信。而不是用一種近乎于閉卷考試的方法挑戰(zhàn)自己。

做買賣不怕賠錢，但是怕剛開張的時(shí)候賠錢。這是有道理的，因?yàn)?“貧窮陷阱” 曲線有多個(gè)均衡。

同樣，做科研也不怕面對(duì)困難。但是初始階段，還是得給自己降低一些難度。

許多時(shí)候，你要讀的論文來自陌生領(lǐng)域，你并沒有那么多的時(shí)間，一篇篇文獻(xiàn)去啃、去挖掘。

舉個(gè)例子，假設(shè)你的研究方向，不是自然語言處理或者深度神經(jīng)網(wǎng)絡(luò)。但是你最近在學(xué)術(shù)研討會(huì)上聽說了一個(gè)神奇的東西，叫做 BERT 。

你自己學(xué)科里面的很多人，都在談?wù)撍?。他們用上?BERT ，所以可以高精度、自動(dòng)化處理很多從前只有人類才能做好的文本處理工作，例如情感分析，例如智能問答等。

見他們發(fā)了很好的論文，你也想一探究竟。

你找到了 BERT 的原始論文，它就在預(yù)印本平臺(tái) arxiv 上面。

但是一打開，你就暈了。

這些術(shù)語（例如 “fine-tuning”），這些圖，都是什么意思??？一點(diǎn)頭緒都沒有。

怎么辦？

好在，要讀懂論文，是有不少竅門的。你可以善用許多從前忽視的資源，幫助自己消化和理解論文中令你感到困惑的部分。

下面我一一講給你聽。

幻燈

俗話說，解鈴還須系鈴人。

如果你覺得一個(gè)作者在論文中使用了很多公式，而且表達(dá)晦澀，那是因?yàn)橐l(fā)表，他只需要顧及審稿人和領(lǐng)域內(nèi)小圈子專業(yè)人士的感覺就可以了。

為了表達(dá)效率高，他就得用術(shù)語。為了表達(dá)精準(zhǔn)，他就得用公式。

用術(shù)語，就是壓縮；用公式，就是加密。

所以，論文其實(shí)就是一個(gè)加密壓縮包。

它安全，只有內(nèi)行看得懂，不會(huì)引來很多外行抬杠。

它高效，壓縮了所有冗余的信息。

但這搞得你這個(gè)初學(xué)者讀不懂，很不愉快。

你得先解密再解壓縮，然后才能看懂?？赡惆Y結(jié)在于，你不具備解密和解壓的能力。

好在，每一個(gè)作者，都要同時(shí)面對(duì)兩個(gè)問題 —— 共識(shí)與知名度。

共識(shí)是說，別人承認(rèn)他；知名度是說，別人喜歡他。

要提升知名度，他就不能只悶頭寫論文。還得出席一些會(huì)議，做做報(bào)告和講座什么的。

面對(duì)大領(lǐng)域同行，他要把一個(gè)事兒說清楚，就不能再用那么多的術(shù)語了，而必須考慮到聽眾的感受。

這時(shí)候，他可能更多使用描述性語言，生動(dòng)的例子，甚至更吸引人的內(nèi)容，例如視頻或者動(dòng)圖。

這些會(huì)議的幻燈，很多都是公開發(fā)布的。所以你不妨搜搜看。

例如說，你在搜索引擎里面搜索 BERT 那篇論文的第一作者，加上 BERT 這個(gè)關(guān)鍵詞，以及把資源類型指定為 ppt 之后，你就能看見很有趣的搜索結(jié)果了。

點(diǎn)開看看？

原來是 Jacob Devlin 在斯坦福大學(xué)一次演講的幻燈。

這里面，清晰地定義了問題，并且梳理了各種疑問的解答。

特別地，還使用了更多的圖形，來對(duì)比 BERT 和現(xiàn)有技術(shù)之間的差異。

通過幻燈，你可以把論文中很多沒有能夠展開的問題，或者許多作者認(rèn)為小領(lǐng)域同行默知默會(huì)的知識(shí)點(diǎn)，都詳細(xì)論述。

有了這些補(bǔ)充資源，再回去讀論文，是不是更加清晰了？

博客

如果找不到作者的演示幻燈，或者看了作者的幻燈之后，你還是沒能很好理解論文的內(nèi)容，也不必氣餒。

我們前面說的，只是通則。

例如我們假定，作者面對(duì)一群不同背景的聽眾時(shí)，他的幻燈會(huì)做得更加深入淺出，以調(diào)眾口。

但是，有些學(xué)者，就是不分場合跟你展示數(shù)學(xué)功底。指著一個(gè)包含超過 30 個(gè)數(shù)學(xué)符號(hào)的長式子興奮地說：

看，就是那么顯而易見……！

這種情況下，如果他的工作足夠重要，你不必?fù)?dān)心，會(huì)有人站出來幫忙做解密和解壓，也就是 “科普” 這件事兒的。

目前學(xué)術(shù)界有幾個(gè)科普文和教程聚居地。

其中我最喜歡的一個(gè)，是 medium.com 。

BERT 論文出來之后不久，你就可以在 Medium 上面查到這篇博文。

博文寫得如何？看看點(diǎn)贊（clap）次數(shù)也就知道了。

標(biāo)紅的地方顯示，已經(jīng)有超過 3800 人點(diǎn)贊了。這在 Medium 平臺(tái)的學(xué)術(shù)科普類文章里，算是非常受歡迎了。

之后過了半個(gè)月，又有人寫了這篇。

隨后，因?yàn)樵S多與 BERT 類似的 Transformers 模型競相出現(xiàn)，所以 medium 平臺(tái)上的相關(guān)系列教程，也層出不窮。

例如發(fā)布在 2019 年 2 月 “How the Embedding Layers in BERT Were Implemented” 一文中的這張手繪圖形，就把 BERT 為什么使用 3 種不同的嵌入層，講得一清二楚。

這些文章，可以讓你從一個(gè)感興趣的旁觀者角度，迅速建立相關(guān)概念。有了這些基礎(chǔ)之后，再去讀論文，你的感覺會(huì)輕松許多。

視頻

如果你足夠幸運(yùn)的話，還能找到很好的視頻教程，作為補(bǔ)充資源。

其中許多視頻，還是免費(fèi)的。

例如 BERT ，就有不少人一言不合發(fā)視頻給大家講講清楚。

中英文視頻都有。而且排名靠前的這些教程，往往都做得品質(zhì)精良，讓你迅速了解 BERT 的來龍去脈。

我個(gè)人比較推薦那些大學(xué)老師做的視頻。當(dāng)老師受到的最寶貴訓(xùn)練，絕不是什么師資班的培訓(xùn)，而是上課的時(shí)候收獲的學(xué)生反饋。

因?yàn)榭偸墙o學(xué)生上課，他會(huì)明白學(xué)生的關(guān)注點(diǎn)在哪里，會(huì)忽視或者錯(cuò)誤理解什么，從而可以有的放矢強(qiáng)調(diào)某些東西，讓你輕易避開很多認(rèn)知誤區(qū)陷阱。

例如說李宏毅老師講的 BERT 介紹，就可稱得上是深入淺出，形象生動(dòng)。

何況，還是中文的。

課程

有的時(shí)候，你會(huì)發(fā)現(xiàn)，雖然某些令許多人關(guān)注的焦點(diǎn)內(nèi)容（例如 BERT ）會(huì)有這樣多的視頻可供觀賞，但是若你想仔細(xì)了解一下論文里出現(xiàn)的其他技術(shù)，以便對(duì)比，就未必有這么好的運(yùn)氣了。

在視頻平臺(tái)上搜尋，也許很難有收獲，甚至還會(huì)找到很多噪聲。

這時(shí)候，你也不要?dú)怵H。雖然你想看視頻教程，但如果只在某個(gè)視頻平臺(tái)搜索，那就如同魚在坑的東邊，你卻非得在坑西邊釣一樣。

系統(tǒng)化了的知識(shí)，你沒有必要東奔西走地查找。而是可以通過在線課程來快速概覽。這樣不僅選擇成本低，而且學(xué)習(xí)效率更高。

有的同學(xué)天然把課程等同于幾大 MOOC 平臺(tái)。實(shí)際上，這也是一種誤解。

例如你打算回顧一下，自然語言處理近幾年的發(fā)展與技術(shù)應(yīng)用。那么，選擇 Coursera 或者 Udacity 課程，自然也是一種辦法。

但你如果喜歡更靈活地學(xué)習(xí)，可以直接到 fast.ai 上面。因?yàn)檫@里的特點(diǎn)是快速迭代，緊貼前沿，而且剛好就有一門 NLP 課程，內(nèi)容非常新穎。

課程內(nèi)容里，自然也包括 BERT 。

而與此同時(shí)，它也囊括了 ULMfit, GPT-2 和 XLNet 等相關(guān)技術(shù)。以寫代碼來理解不同技術(shù)的進(jìn)展，邏輯清晰，讓你一站式了解領(lǐng)域里面最重要的內(nèi)容有哪些，特別是最近發(fā)生了什么有意思的事兒。

代碼

提到了代碼，咱們就多說幾句。

Jeremy Howard 在他的課程里面一直強(qiáng)調(diào)，對(duì)于技術(shù)類的問題，代碼比公式更重要。

描述一個(gè)算法，你用公式當(dāng)然沒有問題。但如你能把它寫成代碼，而且正確運(yùn)行，那想必你是真的懂了。

同樣，現(xiàn)在我們看很多論文，都配有代碼。

如果你讀論文的時(shí)候，只閱讀公式看算法，搞不懂究竟是怎么回事兒，則完全可以去看看那簡單的 Python 代碼。

例如說 BERT ，你雖然看到各種圖片，但是可能還是不知道，如果你打算做一個(gè)分類下游任務(wù)，該怎么給你的輸入文本做編碼呢？

這時(shí)候，如果你讀代碼，效果就大不相同了。

當(dāng)然，這里不是讓你去讀最初論文的代碼。那是基于 Tensorflow 1.x 版本寫的?；仡櫼幌拢以凇度?span id="sjz0hdh" class="wpcom_tag_link">何用 Python 和 BERT 做中文文本二元分類？》里面，跟你介紹過 Tensorflow 1.x 設(shè)計(jì)上的反人性。

你完全可以去讀 PyTorch 代碼。至少讀起來，更像是人話。

有好事者，就把 Tensorflow 上的各種 Transformer 模型，都搬到了 PyTorch 上。目前這個(gè)叫做 Transformer 2.0 項(xiàng)目，在 github 上已經(jīng)有了 16300 顆星。

在論文里， BERT 模型輸入文本的預(yù)處理，是這個(gè)樣子的。你可能會(huì)很疑惑，特殊的 token （例如論文中出現(xiàn)的 [CLS] 和 [SEP] ），究竟如何設(shè)置，如何起作用？

這里，看一下代碼示例。你會(huì)發(fā)現(xiàn)，原來你該這樣把它們加入進(jìn)去。

而且，只有真正看了代碼倉庫里面的示例，你才會(huì)了解， transformers 這個(gè)項(xiàng)目，為什么會(huì)這么火。

因?yàn)?，你可以僅僅用 10 幾條語句，就完成一個(gè)經(jīng)典的文本分類任務(wù)。

于是，你也就明白，在自己的研究任務(wù)里面，用上最前沿的自然語言處理技術(shù)，根本就沒有預(yù)想得那么困難。

小結(jié)

本文我們以 BERT 為例，為你講述了當(dāng)直接閱讀科研論文時(shí)遭遇困難的原因，以及你可以求助的免費(fèi)資源和路徑，它們包括但不限于：

幻燈。作者用幻燈和聽眾溝通的時(shí)候，是要在一定程度上，放棄術(shù)語和公式的便利的。這就給你一個(gè)聽懂的機(jī)會(huì)。博客。對(duì)于一個(gè)大家都認(rèn)為有用，但是學(xué)起來很困難的知識(shí)點(diǎn)。你可以在主流技術(shù)博客平臺(tái)上找一找，很可能會(huì)有驚喜。視頻。視頻教程的好處，是可以用更為形象生動(dòng)的方式，給你展現(xiàn)動(dòng)態(tài)的過程。而且，有時(shí)你還能直接感受到講者的幽默。課程。如果你需要形成知識(shí)基礎(chǔ)，系統(tǒng)化的課程可以讓這一過程快捷高效。代碼。對(duì)于那些技術(shù)性的問題，數(shù)學(xué)描述算法有時(shí)候會(huì)讓人有疑惑。這時(shí)候，閱讀源代碼，甚至編程實(shí)踐出來，會(huì)極大提升你的理解程度。當(dāng)然，這不是全部。

最好的方式，當(dāng)然是與專家甚至是作者本人，做面對(duì)面的高效溝通反饋。當(dāng)然，這樣的機(jī)會(huì)很稀缺。如果你遇到，一定要抓住。

專欄

我的第一個(gè)訂閱專欄《科研新手全面入坑指南》已正式上線了。

我用 20 多篇教程，為你介紹初窺研究門徑的研究生與高年級(jí)的本科生，很需要了解的一些科研基礎(chǔ)知識(shí)。包括但不限于如何選題、如何讀文獻(xiàn)、如何快速寫初稿…… 這些知識(shí)，你的導(dǎo)師大約會(huì)默認(rèn)你已經(jīng)學(xué)會(huì)，因此不會(huì)手把手教給你。但是你若做不到，導(dǎo)師很可能會(huì)覺得你基礎(chǔ)不牢，或者不用心。你唯一能做的，就是盡快把它們補(bǔ)充齊備，以便減輕剛剛走上科研之路時(shí)的痛苦，保護(hù)好你的好奇心與成就感。

除了方法，我還介紹一些工具給你。例如 VosViewer 。 它可以幫助你快速掃描中英文領(lǐng)域文獻(xiàn)，發(fā)現(xiàn)作者、主題之間的微妙關(guān)聯(lián)。由此，你就可以快速識(shí)別已有研究的盲點(diǎn)、盲區(qū)，甚至是盲維，從而有的放矢地找到自己研究的獨(dú)特定位與價(jià)值。

愿熱愛學(xué)習(xí)的你，科研之路從此走得更加扎實(shí)與順暢。

讀過本文，如果覺得有收獲，請(qǐng)點(diǎn)贊。

要讀更多的文章，微信關(guān)注我的公眾號(hào) “玉樹芝蘭”(nkwangshuyi)。別忘了加星標(biāo)，以免錯(cuò)過新推送提示。

如果本文對(duì)你身邊的親友有幫助，也歡迎你把本文通過微博或朋友圈分享給他們。

延伸閱讀你可能也會(huì)對(duì)以下話題感興趣。點(diǎn)擊鏈接就可以查看。

如何用 Python 和深度遷移學(xué)習(xí)做文本分類？如何用 Python 和 BERT 做中文文本二元分類？如何用 Python 和 BERT 做中文文本二元分類？如何用 Python 和 BERT 做多標(biāo)簽（multi-label）文本分類？如何在 fast.ai 用 BERT 做中文文本分類？題圖： Photo by Tim Gouw from Pexels