FIELD / 01AI 学习档案
由纸张、笔记、网络图与多条彩色路径构成的学习景观,路径通向一扇打开的门

AN EXECUTABLE FIELD GUIDE · 2026

AI 学习与科研
不是一场单线路竞速

从“我想过怎样的生活”出发,把信息、反馈、工程、研究与升学,组织成一条可以今天开始的行动路线。

01

先判断方向
再设计系统

01

COMPASS

先把“成功”还给自己

大学不只有一条正确路线

原文最重要的提醒并不是“尽早卷科研”,而是先辨认自己真正愿意重复十年的生活。成绩、竞赛、科研与丰富生活不是高低排序,而是不同的资源配置。

01

课程与稳健

把课内学扎实,保留选择权。适合仍在探索、重视稳定节奏的人。

核心指标:基础、成绩、余裕
02

工程与竞赛

在真实约束下协作、交付与复盘。作品和团队经验比“听懂”更有说服力。

核心指标:项目、协作、交付
03

研究与深造

用论文和实验追问未知。回报高波动,也要求更长的专注与不确定性耐受。

核心指标:问题、实验、表达
04

生活与多元

社团、朋友、运动、创作和漫游同样构成大学。它们不是“剩余时间”。

核心指标:关系、体验、身心

不要问“哪条路最厉害”,改问三个问题:

  1. 我愿意每天重复什么?
  2. 我能承受哪种失败?
  3. 三年后我想拥有什么可验证的作品或能力?
02

METHOD

LEARN TO LEARN

高效学习是一套闭环,不是一种意志品质

01界定问题目标 / 边界 / 已尝试
02获取信息提问 / 搜索 / 模型
03最小实践运行 / 修改 / 解释
04记录证据笔记 / 结果 / 决策
以问题、资料、最小实验和笔记证据组成的循环学习流程插画
FIG. 01

问题不是闭环的终点。证据会把一个宽泛的问题,推回成更准确、可验证的新问题。

把问题写完整

一个好问题至少包含:当前状态、目标、约束、已尝试方案、错误或证据。你希望别人花十分钟回答,就先花十分钟整理。

提问的智慧

按时效性选渠道

通用知识可先问模型;最新政策、真实排名、会议日期与人际评价必须回到官方页面、搜索结果和当事人验证。

Google Scholar

把笔记当反馈仪

笔记不只是复习材料,更是“我确实学过、做过、修正过”的证据。记录结论,也记录失败设置与下一步。

Obsidian Help

对“听课效率低”的更稳健理解:被动听完整课程通常密度低,但高质量讲解、讨论与反馈仍有价值。目标不是拒绝课堂,而是把输入尽快转化为检索、解释和作品。

03

ROUTE

FROM ZERO TO A WORKING SYSTEM

一条从零开始、以产出为节点的 AI 路线

从电脑素养、数学、编程、版本控制、神经网络、论文阅读通向开放研究问题的路线插画
FIG. 02

工具、数学、代码与论文不是并列收藏品。它们按需连接,最终服务于一个你愿意长期追问的问题。

12-WEEK PLANNER

生成你的下一步,不生成焦虑

当前基础
主要目标

PROJECT LADDER

每学一层,都留下一个能运行的证据

BEGINNER

手写数字分类器

不追求指标,完成数据读取、训练、验证、错误样本观察与 README。

PyTorch Quickstart
BUILDER

从零理解一个网络

复现 micrograd 或小型 Transformer,解释每个张量形状与梯度流。

micrograd
PRACTITIONER

跑通一篇公开论文

锁定环境、复现一个主结果、记录偏差,再改变一个变量完成消融。

Papers with Code
RESEARCHER

写一页研究提案

问题、相关工作、可证伪假设、最小实验、成功与失败标准各写一句。

OpenReview
04

RESEARCH

RESEARCH, END TO END

科研不是“发论文”,而是一条可审计的证据链

从异常观察、假设、代码基线、受控实验、结果图表到论文并返回实验的科研证据链插画
FIG. 03

研究的每个箭头都应能被追问:现象怎样支持假设,实验怎样排除替代解释,结论的边界在哪里。

LAB FIT CHECK

筛选课题组,别只看头衔和引用数

公开成果能证明研究存在,不能证明指导质量。把“方向匹配、日常协作、学生去向、核心参与机会、资源与边界”一起核验。

0/ 12
匹配信号
01 / DISCOVER

找团队

从论文脉络和真实成员反馈交叉判断,优先确认研究是否收敛、指导是否可获得、日常协作是否健康。

02 / EVIDENCE

准备材料

一页简历突出可验证结果与个人贡献;没有正式经历时,用读过的工作、复现记录和一封具体邮件证明准备度。

03 / CONVERSATION

申请与面试

能解释做了什么、为什么这样做、失败在哪里、下一步怎样验证。老师通常在判断你的成长能力与方向匹配。

AFTER THE FIRST PAPER

中稿不是终点,能力会向三层扩展

  1. 工程能力快速实现、稳定训练、管理环境与算力,让迭代更快。
  2. 领域判断辨认核心问题、关键组件与有效实验,知道什么值得做。
  3. 项目组织拆分问题、建立共识、分配资源,让多人工作汇成同一条证据链。
论文 =一个清楚的问题+可信的证据+克制的表达

图应让读者在不读正文时理解方法骨架。

失败实验也要记录,它可能界定方法的边界。

Rebuttal 的目标是消除误解与补足证据,不是“赢辩论”。

05

TIMELINE

PACE, NOT PRESSURE

时间线是倒推工具,不是道德标准

学业资格路径与研究匹配路径通过两道门后汇合到同一目标的插画
FIG. 04

一条路径证明你拥有参与推免的资格,另一条路径证明目标团队愿意接收你;二者最终才汇成正式去向。

GATE A

获得推免资格

由本校当年规则决定,通常以课程成绩为主体,并可能结合德育、竞赛或专项加分。具体口径只看院校官方文件。

GATE B

获得目标院校 Offer

通过夏令营或预推免等选拔。强委员会更看统一考核与纸面硬实力;弱委员会更看导师匹配、科研能力与提前磨合。

RESULT

完成双向选择

资格与 Offer 缺一不可。研究导向重匹配与成果,就业导向还需重点核验实习自由度、培养方式和成本。

论文录用有明显随机性;院校推免政策、比例、排名口径与活动时间每年可能变化。任何具体数字都应以所在学校与目标院校当年官方文件为准。

06

DEEP READ

COMPLETE READING ARCHIVE

逐章研读:把省略掉的论证全部补回来

这里不再只给结论,而是按照原文的推进顺序,完整解释每个判断从哪里来、怎样落地、何时不适用。你可以顺序阅读,也可以直接定位当前遇到的问题。

15研读章节
覆盖议题
行动建议

具体院校数据、产品评价和会议分级均按“经验观点”处理,不包装成普遍事实。

07

LIBRARY

CURATED, THEN VERIFIED

实践与学习资料库

EDITORIAL NOTE

关于来源、引用与更新

本档案受知乎文章《关于 AI 入门以及泛保研相关的建议》启发。为尊重版权,本站没有逐字转载原文,而是完整覆盖其主要议题,以原创结构重述并补充可执行项目、官方资料与风险提示。

课程、会议与推免信息具有时效性。外链是学习入口,不构成对其永久可用性或内容结论的保证。涉及招生与资格时,请只采信当年官方通知。