◉ 卢克的科研小记完整试用版 v1.1 · 2026.11
给刚开始独立推进课题的硕博生
科研新手
启动指南
从读懂论文,到完成一次有证据的推进
带着一个真实问题边读边填,逐步留下能回查、能讨论、能继续修改的研究记录。案例以图像分类实验为主;其他方向可替换研究对象、证据形式和验证方式。
第一次使用,按这三步走
- 选一个起点。用第2页路径图找当前卡点;准备一篇论文或一份实验记录。没有材料时,先用教学案例练习。
- 先填,再核对。按提示写一两句,再展开示例。带入按钮只补空栏;改过来源后,请手动核对已带入的内容。第10、14页的汇总会随来源更新。
- 只定一个优先项。用第27页检查产出,第28页安排下一周。读不懂或证据不足时,回到相应模块补一项。
读懂贯穿案例甲、乙、丙是构造的教学文献;E01是学生另做的实验,E01-R1是同批预测的逐类复核。各阶段的数值不可混比。第12页单独注明的真实论文用于检索示范。教学例子不代表已经完成的科研成果。
保存与试用:互动填写用HTML;TXT用于阅读与发送,JSON用于备份恢复;PDF用于阅读或打印。填写仅存于当前浏览器,换设备或移动文件前先下载JSON。恢复只补空栏;打印会展开示例,填写较多时可能续页。
今天的科研,从哪一步开始?
先想一想:下次见导师时,你希望能拿出什么?沿着下表,找到你现在还做不出来的那一步。今天只完成一件事。
| 我现在卡在哪 | 先做这个动作 | 留下什么 |
| ① 论文打开了,不知看哪 | 带一个问题读一篇,圈出支持答案的图表或段落 | 论文阅读卡 |
| ② 单篇看懂了,几篇串不起来 | 把回答同一问题的论文并排,标出比较条件 | 领域研究地图 |
| ③ 看到不足,不知能不能做 | 写下一个解释,查谁研究过、还能怎样检验 | 候选选题卡 |
| ④ 想找导师,讲不清要讨论什么 | 带上已有证据、两个选项和一个待决定的问题 | 讨论提纲 |
| ⑤ 有想法,不知先跑哪个实验 | 只选一个要验证的判断,写清对照与预期 | 最小实验计划 |
| ⑥ 有结果,写不出文章 | 把每条主张旁边配上证据,圈出缺口 | 论文论证提纲 |
允许回头。例如,写到“新方法对少数类更好”时,发现手里只有总体准确率,就从⑥回到⑤补查分组结果;若连“少数类”怎样定义都不清楚,就先回到①查论文设置。
打开论文前,先写下你想弄清的事
假设你训练了一个图像分类模型:整体表现还行,少数类别却经常认错。搜索“分类性能提升”会得到很多论文。把问题改成“这篇论文有没有单独检查样本少的那些类?”,你就知道该先看哪张表了。
同一篇论文,三种读法
| 这次读它为了什么 | 优先翻哪里 | 读到哪里够用 |
| 认识方向 | 摘要、引言中的问题定义、方法总图 | 能讲清它研究哪类问题,以及属于哪条方法路线 |
| 判断一个想法 | 实验设置、主结果表、分组结果和局限 | 能说出它检验了什么,还有什么悬而未决 |
| 准备复现 | 数据划分、方法细节、附录及作者代码说明 | 能列出一次对照所需设置,标出缺失项 |
略读还是精读?先做一次取舍
扫标题和摘要确认任务;看最相关的图表、表注和实验设置确认条件。直接关系到下一项决定的段落,值得精读。只提供背景的,留一句路线说明。任务不匹配的,记下原因,先放回文献库。
试着选:在这个独立选读练习中,文献一只给总体准确率;文献二按各类别的训练样本数分组报告召回率。如果要判断某方法是否值得在少数类上尝试,你先精读哪篇的哪一部分?
展开参考判断
先读文献二的分组定义和结果表,确认它的“少数类”和你的情况相近。文献一可留作背景;仅凭总体准确率,少数类变好或变差都有可能。
顺着一句主张,追到它的证据
看到“我们的方法改善了少数类表现”,先在旁边写四个字:哪张表里? 顺着这句话来回翻方法和实验,会比从头抄摘要更容易发现自己哪里没懂。
① 把主张改成可以核对的句子
把“效果很好”改写为:“在什么数据上,新方法相对哪种做法,使哪个指标发生了什么变化?”论文没写的地方标“未报告”。
② 只画与主张有关的方法
从输入到输出画三格。例如:训练图片及类别 → 计算分类损失 → 更新模型。如果作者改变的是各类别损失的权重,就在第二格标出变化。试着解释:同样错分一张少数类图片,它对训练的影响与原来有何不同?
③ 核对比较条件与指标
找对照方法,看数据划分、训练预算、模型和评价指标能否对上。读清表头、单位、分组标准和表注,再抄需要的那一行。两项设置同时变了,先把它们都记下。
④ 给结论画一条边界
“表里分数更高”是观察;“因为加权才提高”是原因判断。后者需要能排除其他变化的对照。只有一次运行时,先记本次差异,别急着写“稳定提升”。
少数类涨了 6 个百分点,能归功于新方法吗?
下面是为练习构造的表和设置,非真实论文数据。研究者想知道:提高少数类样本的损失权重,有没有帮助?两组使用同一模型、训练集和测试集,各运行一次。
教学表 1 同一测试集上的分类结果| 训练方式 | 训练轮数 | 总体准确率 | 少数类平均召回率* |
|---|
| 普通损失 | 50 | 84% | 42% |
| 加权损失 | 100 | 84% | 48% |
*本例把训练样本最少的五类固定为少数类;分别算出每类被正确识别的比例,再对这五个比例取平均。
先写后看:同学的笔记是“加权让少数类提升了6%,以后都该用”。如果你要在组会上引用这句话,你会怎样改?
展开一张填好的示例卡,对照自己的回答
问题与方法:加权损失能否改善少数类召回?它提高少数类损失在训练中的比重。
证据:教学表1中,两组总体准确率在报告精度下均为84%;加权且训练100轮的那组,少数类平均召回率比普通损失50轮的那组高6个百分点(48%-42%)。这不意味着五个类别都提高了。
边界:损失与训练轮数同时改变;一次运行也不足以判断波动。现有结果还不能把差异单独归因于加权。
下一步:先查附录是否有普通损失100轮的结果。若没有,优先补这一组,并保持其余设置一致,与加权100轮比较;资源允许时用多个配对随机种子复查。若差距缩小,重新评估训练时长的作用。
我的第一张论文阅读卡
拿出你本周真的要用的一篇论文。每栏先写一两句;碰到缺失信息,写明你查过哪里。第3~4页的填写内容可带入这张卡,再按需要修改。
合上论文,做个自查。能用自己的话讲清作者改了哪里?能回到原文指出一处证据?能说出一个仍然没解决的问题?哪一项说不清,就回到对应段落补这一项。
接到下一章:再找一篇回答相近问题的论文,把两张卡的“条件、指标、结论”并排。先圈出一个可比较的地方,再标一个不能直接比较的地方。这就是领域地图的第一笔。
围绕一个问题,挑出三篇可以放在一起读的论文
沿用上一章的分类任务。下次组会,你想解释的是训练图片很少的那些类别,怎样才能少漏认一些? 这句话同时划出了研究对象和你关心的表现。接下来按这个问题选文,先搭一张可以继续补充的小地图。
先挑三种有用的位置
从第6页挑一篇能找到原文证据的论文作起点。沿它的相关工作或引用它的论文,再选一篇采用相近方法的,看看它能否补足证据。第三篇选解决相近问题、做法不同的,看看还有哪条路可走。
贯穿练习的三份教学材料(情境与数值均为构造)| 材料 | 读它能回答什么 | 保留哪一点疑问 |
| 甲 · 改损失权重 | 第5页教学表1报告了少数类召回率的变化。 | 训练轮数也变了,差异从何而来? |
| 乙 · 同轮数对照 | 沿用甲的数据划分与少数类定义,两组均训练100轮,只改损失权重。 | 一次运行的差异能否重复? |
| 丙 · 重采样 | 让少数类图片更频繁地进入训练批次,提供另一种干预位置。 | 测试集和少数类定义与甲、乙不同。 |
给你自己的地图定个范围
把三篇论文放进同一张对比表
先读同一行。方法行只写改变了哪个环节,例如“损失加权”或“训练重采样”。结果行带上指标定义和表号。遇到缺失项就写“未报告”,留下回查位置。
先看教学示例的结果行怎么填
甲,教学表1 同一测试集,训练样本最少五类的平均召回率,普通损失50轮为42%,加权100轮为48%。
乙,教学表2 同一测试集、同样五类、同一指标。普通损失与加权都训练100轮,同一随机种子,分别为46%和48%。
丙,教学表3 另一测试集,各方法都训练100轮。按训练样本少于20张定义少数类,普通采样与重采样的少数类平均召回率分别为40%和51%。
对比表可左右滑动。先填一篇,再沿同一行比较另外两篇。
填完先检查一行。读“指标、结果与位置”这一行时,能翻回每篇原文核对数字吗?若还没有第二篇,先记缺的是哪种证据,再按第7页的方法补找。
把能比较的结果连起来,把条件写在线上
拿第8页的教学材料练一次。甲和乙都写“损失加权”。甲的差值是6个百分点,乙是2个百分点。把两个差值并排,还要补上它们各自回答的问题。
甲 ↔ 乙 同一路线,证据互补
甲同时变动了权重和轮数。乙固定轮数后,加权组在这次运行中仍高2个百分点。把乙放到甲旁边,对“相同轮数下是否还有差异”的判断就有了依据。不同实验之间的这4个百分点不能直接分摊给训练时长。
轮到你判断乙与丙。同学看到48%和51%,把“重采样更好”写进了综述。这两篇可以放进同一张图吗?要比较方法优劣,还缺什么?
核对判断
可以并排说明两条路线各改了哪里。乙、丙采用不同测试集,圈定少数类的标准也不同。要比较两种方法的效果,应在相同任务、划分、少数类定义和训练预算下,用同一指标评价,并考虑重复运行的波动。
给自己的论文写一条关系
选一对论文,用自己的话写清“为什么放在一起”。如果结论看似相反,先检查数据、基线、指标定义和评估条件,再决定是否真的存在分歧。
画出第一版领域研究地图
先用一个问题做图的起点,再用方法路线分支。每个分支挂上论文、证据与条件,最后把分支之间值得讨论的关系写在图底。每增加一篇论文,你都可以决定把它挂到已有分支,还是为它增开一支。
看教学案例怎样画成图
提高少数类召回率,有哪些训练方法?
损失加权甲 · 表1 同时改变权重与轮数
乙 · 表2 固定轮数后差2个百分点
甲乙互补。乙丙可比较干预环节,方法效果尚缺同条件对照。
我的领域研究地图
改中心问题 改分支与证据 改论文关系 填写后图会自动更新。
走向候选选题 把图里的一个待查问题带到下一章。先找可能已有的对照或反例,再决定这个疑问是否值得投入实验。
地图上有了问号,怎样把它变成候选问题?
回看教学地图。乙用损失加权得到48%,丙用重采样得到51%。两篇对少数类的定义和测试集都不同。假如明天只能申请一次算力,你需要先知道,这个看起来有希望的差距值得追吗?
选一个会改变决定的问题把“研究少数类识别”收窄为“在同一划分和训练预算下,重采样与损失加权相比,对训练样本最少五类的平均召回率有何影响?”有了对象、对照和指标,就可以查谁已经回答过。
写两种解释,各押一个可观察的结果
| 可能的解释 | 若它起主要作用,我预期看到什么 |
|---|
| 方法可能有贡献。重采样改变了少数类进入训练批次的频次。 | 对齐评估和训练条件后,重采样仍有优势。要归因于曝光频次,还需记录每类实际出现次数并另设对照。 |
| 两篇用来评估的少数类难度不同,跨论文的分差可能主要来自评估条件。 | 在同一组类别上评价时,两种方法的差距较小,或排序随分组而改变。 |
这两种解释可以同时成立。写预测时,想一下什么结果会让你降低对其中一种解释的信心。
先找和你的问题最接近的一组对照
读到“重采样有效”,还要追问作者在哪个阶段采样、和谁比较、评价了哪些类。有时查到一张表,就能省掉一轮已经有人做过的实验。
怎样找,找到以后读哪里
- 把问题拆成任务、方法和同义词。先检索
long-tailed recognition re-sampling re-weighting。结果少时去掉一个方法词,再用 class-balanced sampling 或 loss weighting 分别查。 - 选最相近的一篇,查方法、实验表与附录。顺着它引用的基线找原始设置,再看后续引用中有没有同条件复核或相反结果。
- 将查到的工作记为“同条件已回答”“结论相近但条件不同”或“当前范围待查”。第一种可以转作复现练习,第二种写出改变条件的研究理由,第三种写下下一次检索动作。
一次真实的检索示范Kang 等(ICLR 2020)将表征学习和分类器学习分开,摘要就指出调整分类器也能改善长尾识别。由此,核对甲乙丙时值得加一栏“在哪个训练阶段做平衡”。要判断原文是否覆盖你的五类定义和预算,还须核对实验设置。阅读作者摘要与论文
用最小的一组对照,决定值不值得继续
回到第11页的问题。先试着用手边已有的数据和基线做一次公平比较。读数能帮助你决定下一步,第一次运行只作初筛。
| 怎么做 | 教学案例中的选择 |
| 先固定尺子 | 按训练集计数预先选定最少五类,在同一验证集计算五类平均召回率,同时查看总体准确率与逐类结果。 |
| 只改干预方式 | A组用自然采样和加权损失,B组用重采样和普通损失。沿用同一模型、初始化、优化器、批大小与更新步数。提前写明权重和采样概率,记录每类曝光次数。 |
| 约定何时停 | 先各跑一次,核对指标实现与采样日志。再用多个相同的种子分别运行两组,查看配对差值和波动。预算不足以复核时,把结果记作初步观察。 |
先猜再看 假如换一个种子,A、B的排序就互换,你会建议导师马上扩大训练规模吗?
查看判断与下一步
先记“排序不稳”,对照逐类样本数、日志和配对波动。若同条件下B反复领先,再检查曝光频次等机制。若差距很小,可用同一批预测换预先约定的分组口径重算,看结论对分组是否敏感。原先跨论文的3个百分点仍有多个可能来源。
我的候选选题卡
把这张卡当作组会前的一页材料。先用一句话说出你想知道什么,再请导师帮你决定一件具体的事。下方会汇集前三页的填写内容,点击条目名称可返回修改。
看看教学案例怎样在组会上开口
“我想比较重采样和损失加权对少数类召回的影响。教学材料乙和丙的类别定义不同,现有两个分数没法回答这个问题。我查到一篇把表征和分类器分开训练的论文,还要核实它在哪个阶段做了相近的对照。我准备先对齐训练阶段和预算,再比较同一划分上最少五类的结果。您建议我先核查哪张已有实验表,再决定是否开跑?”
带着这张卡去准备讨论 →
这次见导师,想带着哪个决定离开?
把第14页选题卡放在手边。这一页最后要留下:一段开场、一份可打开的证据、一个待决定的问题。选方向时带文献与可选路线;报进展时带上次约定与本次结果。下面先写关键词,再去第16或17页练习开口。
试讲一次用半分钟讲完“我的判断、依据、想请您决定的事”。圈出今天最影响行动的问题,并试着打开对应证据。若还没有可行方案,写清缺什么条件,请导师帮助缩小范围。
有两个方向时,带着取舍去问
沿用少数类识别的教学案例。第一次讨论时,手里有文献和算力预算,还没有同条件的比较结果。此时可以请导师帮你决定先查哪项证据。
学生“老师,我想先确认重采样是否值得在我们的任务上试。您看这两行,乙的48%和丙的51%来自不同测试集,少数类定义也不同。我建议先核对两篇的训练阶段和类别划分,找到同条件的结果就可以省下两次训练。另一条路是在我们的划分上各跑一次,这样能尽早发现实现问题。周五前我最多能跑两次。您看先把哪项当作本周的交付?”
导师“如果查完还是没有同条件的表,你打算怎么比?”
学生“我会按训练样本数固定最少五类,沿用同一验证集和更新步数,各跑一次损失加权和重采样。先看逐类召回及采样日志,再决定要不要增加种子。我明天先带一张条件对比表回来,可以吗?”
轮到你 把“老师,这个方向能做吗?”改成一次有依据的选择。让导师听得出你偏向哪个方案,也听得出什么证据会让你改选。
怎样检查这段开场
遮住最后一句,读者还能找出两个选项各自会产出什么吗?如果两个选项只是“做A、做B”,给每项补一句“做完后能排除哪个疑问”。再把最需要导师经验的取舍放回最后一句。
导师说“再看看”,或建议和我不同,怎么接?
先问清目的:“您希望我先确认已有工作是否做过,还是验证这条方法能否跑通?”若你有不同判断,说明依据和成本:“我担心两次训练还区分不了原因,依据是____。能否先查____,再决定是否开跑?”把最后确认的优先级记下来。
结果出来以后,先说你的判断变了没有
假设上次约定先完成同条件初筛。下面是这组学生自做实验的教学数据,与前文乙、丙的论文读数分开记录。两种方法沿用同一划分、初始化与更新步数,均只跑一次。
本周记录 E01 · 同一验证集,训练样本最少的五类| 训练方式 | 五类平均召回率 | 总体准确率 |
|---|
| A 自然采样+加权损失 | 47% | 84% |
| B 重采样+普通损失 | 49% | 83% |
学生“上次约好在同一划分上比较两种做法。我的判断是先复核,再决定是否扩大实验。看E01,B的少数类平均召回高2个百分点,总体准确率低1个百分点。我们只跑了一个种子,还不清楚换一次初始化会不会改排序。本周剩两次训练,我建议换一个种子把A、B各跑一次。如果您更关心到底哪些类受益,我今天就能用已有预测做逐类表。您希望周五优先看哪项证据?”
导师“先看逐类表,尤其是验证样本最少的那一类,再决定要不要重跑。”
学生“好,我把每类的样本数、正确识别数和召回率排在一起,周五先给您这张表。”
如果这周没跑出分数,怎么汇报?
仍可带可核查的进展。例如“我复核时发现两份脚本的类别顺序不同。这里是同一批样本的标签映射,所以我暂缓解释分差。明天先对齐映射,用同一批预测重算,再判断是否需要重跑。”
散会前,把“再看看”写成可以交付的一件事
用最后半分钟核对:“我理解这次先做____,到____带____回来。这样对吗?”得到确认的写进共识;你的理解或建议若未确认,记入待定事项。先填一项优先行动,其他任务留到下一轮。
查看刚才那次进展讨论的会后记录
已定 先用已有预测解释平均分差。待定 是否追加两次训练,由逐类结果决定。
行动 学生在本周五组会前提交E01逐类表。每行列出类名、验证样本数、A/B各自正确数和召回率,并圈出差距最大的类别。
复盘 周五与导师一起看差异是否集中在极小样本类。若导出的预测无法按样本对应,先核对样本ID并提前说明,顺延逐类比较。
执行自查:明天打开这张单,能直接开始第一步吗?交付后,能根据结果决定继续、补查还是调整吗?说不清就补具体条件。
先说清,这次验证要帮助你决定什么
打开第18页的会后行动单。教学案例中,导师已确认先看E01逐类表,再决定是否追加训练。因此,这次先分析已有预测,产出一张能解释平均分差的表。
把“再验证一下”拆成三个问题
| 要想清什么 | 沿用E01的例子 |
| 我想核对的判断 | B的五类平均召回率高2个百分点,这个差异是否集中在少数几个类别? |
| 看什么才知道 | 按同一批样本ID和类名,列出五类的验证样本数、A/B正确数与召回率。 |
| 它会改变哪个动作 | 若差异只来自极少数样本,先查这些样本与指标;若多类都有改善,再讨论重复运行。 |
先做一个选择 导师要逐类证据,你手上已有两组预测。此时先增加训练轮数,还是重算逐类表?写目标前,先说明哪个动作能回答当前问题。
核对思路
先核对预测对应关系并重算逐类表。增加训练轮数会同时引入新变化,尚不能解释E01已有分差。若原始预测丢失,先查检查点能否按原设置重新导出,并记录这一步。
让两组结果,回答同一个问题
先沿用E01重算结果;若后续获准补跑,再按下表记录设置。公平比较需要对齐条件,并说清你实际比较的是哪两套做法。
| 核对位置 | 本例怎样约定 |
| 数据与评估 | 同一训练/验证划分、标签映射、预处理与评估脚本。按训练样本数预先固定最少五类,两组使用相同样本ID。 |
| 对比方案 | A:自然采样+加权损失;B:重采样+普通损失。写出权重与采样概率。这比较两套训练方案,不能单凭分差认定某个机制有效。 |
| 训练与预算 | 同一模型、初始化、优化器、批大小、更新步数及模型选择规则。记录每类曝光次数;采样策略变了,仅对齐“轮数”可能不够。 |
| 指标与复核 | 五类平均召回为主要读数,同时看逐类结果与总体准确率。补跑时用相同的种子列表分别运行A/B,保留全部运行。 |
开跑前做一次小检查先取同一小批样本,核对ID、标签和预测长度;手算一个类别的召回率,与脚本结果对上。使用验证集分析和选择方案,预留测试集用于最终评价。
让每个结果,都能回查
这是E01逐类复核的教学示例,数值均为构造。五类已按训练样本数固定;表中的样本数是验证集计数。两组各运行一次,总体准确率仍为A 84%、B 83%。
E01-R1 · 从同一批预测重算,未追加训练| 类别 | 验证数 | A正确数 / 召回 | B正确数 / 召回 |
| 类1 | 10 | 4 / 40% | 5 / 50% |
| 类2 | 20 | 9 / 45% | 9 / 45% |
| 类3 | 40 | 20 / 50% | 20 / 50% |
| 类4 | 50 | 25 / 50% | 25 / 50% |
| 类5 | 100 | 50 / 50% | 50 / 50% |
| 五类召回率的平均值 | 47% | 49% |
读表练习 “B对少数类普遍更好”这句话能成立吗?先找出分差来自哪里,再填自己的记录。
展开分析
其他四类召回相同,平均提高2个百分点全来自类1净多正确识别1张:类1提高10个百分点,除以5类得到2个百分点。两组预测不一致的样本可能多于1张,需要逐一核对;尚不能证明方法稳定有效,也不能直接认定改善只是随机波动。
看完结果,决定继续、补查还是调整
回到第19页预先写下的判断规则。先核对数据和实现是否可信,再判断结果是否回答了目标。若规则需要修改,写下新理由,留给下一轮验证。
| 选择 | 什么时候考虑 | 下一步要产出什么 |
| 继续 | 核对通过,结果满足事先约定的条件,进一步验证有价值。 | 增加重复或扩大适用范围的计划;仍需列明未验证的边界。 |
| 补查 | 对应关系可疑、证据缺失、波动未清,或改善集中在极少数样本。 | 一项能消除当前疑问的检查,例如样本核对表或配对运行记录。 |
| 调整 | 可信对照与复核不支持原判断,或代价、资源与目标不匹配。 | 写清放弃哪项假设、保留什么发现,再设计一个可区分解释的改动。 |
本例怎样走下一步?
先补查。E01-R1说明平均分差来自类1净多认对1张。先按ID查看两组预测不一致的样本,核对标签与图片,排除映射或标签问题;再向导师报告总体准确率同时下降1个百分点。若检查无误,讨论是否按预算增加配对种子,观察差异能否重复。当前证据不够宣布B胜出,也不够据此放弃B。
先写清,你的证据允许你说什么
打开第22页的实验验证记录。先挑一条最有证据支撑的判断,写成结果段的主张,再看它能否支撑整篇论文的问题。E01只是一次教学初筛,尚不足以形成完整论文的贡献。
同一个结果,三种写法
| 写法 | 证据能否支持 |
| “重采样显著优于加权损失。” | 过强。只有一个种子,没有稳定性或统计检验依据,总体准确率还下降了。 |
| “B的五类平均召回率为49%。” | 是读数,但没有交代比较对象、条件和差异来自哪里。 |
| “本次同条件比较中,B的五类平均召回比A高2个百分点,差异集中在类1,总体准确率低1个百分点。” | 与E01及E01-R1一致;结论仍限于这次运行。 |
先做一次删改 将“我们的方法全面提升了少数类识别”改成你目前能负责的一句话。检查“全面、稳定、显著、因为”是否各有对应证据。
给每条判断,配上可回查的证据
把第23页的主张拆开核对。图表标题、单位、样本范围与实验编号要让读者知道:比较了什么,哪些地方还没有验证。对结论不利的结果也放进来。
| 想写的判断 | 对应证据 | 支持到哪里 |
| B的五类平均召回更高 | E01:A 47%、B 49%;同一验证集,各跑一次 | 支持本次高2个百分点,不支持“稳定更高” |
| 改善集中在类1 | E01-R1逐类表:类1为40%与50%,其余四类召回相同 | 支持分差集中;净多认对1张不等于只有1张预测不同 |
| B在整体表现上更好 | E01总体准确率:A 84%、B 83% | 这项指标不支持该说法,必须一并报告 |
证据缺了,先把句子留空“改善由曝光频次增加造成”还缺针对机制的对照。即使补齐曝光日志,也不能仅凭相关变化认定原因。把它列为待验证解释,并写清需要什么实验。
按论证顺序,搭出论文骨架
先写每一部分要回答的问题,再安排材料。下面用于搭建本例的实证研究提纲;是否形成论文,还要看研究价值与证据是否充分。章节名称按目标期刊或会议要求调整。
| 部分 | 需要回答什么 |
| 引言 | 为什么关心少数类识别?现有判断哪里不充分?本文具体研究什么? |
| 相关工作 | 加权与重采样各改哪个环节?已有研究覆盖了哪些条件,本文问题与之有何关系? |
| 方法与设置 | A/B如何实现?数据怎样划分?五类怎样确定?预算、指标及模型选择怎样约定? |
| 结果 | 先给总体与五类平均结果,再用逐类表解释分差;有重复运行时报告各次结果与波动。 |
| 讨论与结论 | 结果支持哪条判断?有什么代价、替代解释与局限?哪些问题仍需验证? |
动笔顺序:可以先整理设置、结果和图表,再写讨论;回头核对引言里的问题与贡献,最后写摘要。摘要只概括正文已有证据。
把发现、解释和边界写进同一段
从第23页取一条主张,用第24页的证据完成这一段:比较条件 → 具体发现 → 证据解释 → 局限与下一步。先把自己的结果说清,再精简语言。
展开一段有依据、有边界的示例
在同一验证划分、初始化和更新步数下,我们比较了自然采样配合加权损失(A)与重采样配合普通损失(B)。E01显示,B的五类平均召回率由A的47%提高至49%,但总体准确率由84%降至83%。逐类复核E01-R1发现,平均分差全部来自类1的召回率由40%升至50%,即在该类10张验证图片中净多识别正确1张,其余四类召回率不变。因此,本次改善集中于一个小样本类别,不能据此推断少数类普遍受益。由于两组均只运行一次,现有结果也不足以判断优势能否稳定重复或确定其机制。下一步应核对预测不一致的样本,再根据预算增加配对重复,检查差异及总体性能代价。
动笔前核对 47%到49%是提高2个百分点。“净多认对1张”描述正确数的差,不能代替逐样本比较。把“证明”改成“本次观察到”后,还要保留具体条件。
交稿前的四个问题每个数字能回查吗?比较条件和单位说清了吗?观察与原因判断分开了吗?结论有没有超出验证范围?发现缺口,就回到对应记录或主张修改。
回看六项产出,找出下一处缺口
按“问题 → 文献与解释 → 讨论 → 验证 → 论证”回看自己的记录。逐项打开产出,凭具体内容判断;填过一栏不等于已经完成。暂不涉及的模块可以说明理由,先推进当前最需要的一步。
| 打开产出,问自己一句 | 我的状态、依据与缺口 |
|---|
| ① 读论文 · 阅读卡 ↗ 能回到原文指出证据,并说清结论边界吗? | |
| ② 建领域体系 · 领域地图 ↗ 几篇论文为何放在一起?比较条件和待查问题清楚吗? | |
| ③ 形成候选选题 · 候选选题卡 ↗ 已有工作、可能解释和初步验证能连起来吗? | |
| ④ 和导师讨论 · 会后行动单 ↗ 哪些已确认?谁在何时交什么,还有什么待定? | |
| ⑤ 实验验证 · 验证记录 ↗ 条件与结果可回查吗?下一步选择有证据吗? | |
| ⑥ 写论文 · 结果分析初稿 ↗ 每条主张有依据吗?代价、局限和待查项写明了吗? | |
怎样选本周的优先项?先找影响下一项决定、且能在现有资源内推进的缺口。沿用E01:已知道分差集中在类1,但还没核对预测不一致的样本,本周可先补这张核对表,再决定是否追加训练。
用一周,完成一次有证据的推进
从第27页选一个缺口,安排一个主要交付。下表是可调整的节奏,不要求一周走完六个模块。每格写具体日期、可投入时段、动作与交付;执行后再填右栏。
| 计划:何时做什么,留下什么 | 实际:完成情况与证据 |
|---|
| |
| |
| |
| |
| |