研究工作的价值

来自：

李沐-如何判断（你自己的）研究工作的价值【论文精读】、你（被）吐槽过论文不够 novel 吗？【论文精读】

价值公式

用有新意的方法有效地解决一个研究问题。

有效：是一个相对的说法，是相对于之前的问题。

新意：1.不代表该领域之前从没人提过，只是近期很少人用 2.可以借鉴其他领域的方法

研究问题：注意区别于工程问题，很多情况是现有方法是行不通的，更需要探索

粗糙公式：价值=新意度×有效性X问题大小

举例：

问题大小：

1：前面的工作某个点做的不好的地方进行改进

10：CV里面某一个视觉的子任务

100：提升机器对图片的理解

有效性：

1：模型精度比前人好一点

10：数据集精度提升一个点

100：数据集精度提升十个点

三个方向：效果（比如精度）、规模、安全

新意度：

1：不意外

10：有一定新意度

100：大家之前不熟的，打开了新世界的大门。相对而言，任何一个技术事实上不可能之前从来没出现过

新意度

来自一篇有意思的文章：https://perceiving-systems.blog/en/post/novelty-in-science

（作者michael J.Black）

建议新意度（novelty）换成优美度（beauty）。优美度从技术和复杂中脱离出来。

误区：

1.复杂度衡量新意度

如果一个非常小的改动它能产生大的结果他就是有新意的，无关复杂度。【比如一行代码上顶会的flooding方法？】

2.用困难衡量新意度

并不是说模型必须复杂才能发文章，才是新意的。

3.用惊讶衡量新意度

比如mae，这么小的想法效果却那么好

4.用技术上的新意性来衡量工作的新意度

比如机器学习解数学题就是新意的

5.用有效性和价值衡量新意度

不是新的想法都是有用的。现在没有，以后可能会有实用性