很多研0研1想到发论文就很焦虑，总纠结自己基础不够，不知道该从哪下手。今天就结合我自己的实际经历，和大家分享一下科研经验。

这里我也分享下我常用的资料，你搭配着学习可事半功倍：90个深度学习数据集/100个医学数据集、各方向参考论文、366个即插即用模块、15个深度学习＆机器学习必备画图工具。

后面会结合具体科研环节具体说明，需要的可以先领取，后面做到对应阶段直接拿来用。

长按添加小享，回复【论文攻略】无偿获取

第一，读论文别盲目泛读百篇

优先读领域开山经典、1篇高质量综述，再加3‑5篇近年核心工作。不用死磕全部内容，重点看引言弄懂要解决什么问题，看消融实验找现有方法的短板。idea不是凭空想出来，是读文献挑痛点找出来的。

这里就可以直接看我整理好的参考论文。各个大热方向及相关方向我基本都梳理过，先用它建立一个文献框架，再去精读具体论文，做方向调研、找Baseline都会方便很多。

第二，代码能力重点是复现baseline

千万不要上来就写自己的创新模型。先把领域主流公开基线完整跑通，复现出论文报告结果，这个过程会踩环境、数据预处理各种坑，但非常关键。在此基础上做最小改动，控制变量做实验，分清是idea不行还是代码出bug。

接着容易卡住的地方是Baseline跑通了，然后改哪里？

可以先从注意力、特征融合、结构调整、特征增强等成熟思路入手。前面说的366个即插即用模块你就可以直接调用，我已经做好了分类，这样你不用每次从大量论文里重新翻。

确定方向后，可以提前看看有哪些常用数据集。重点关注数据规模、任务是否成熟、有没有公开代码，以及自己的算力能不能跑。

不然idea都想好了，最后才发现数据不合适，又得重新调整。这里可以用我整理的90个深度学习数据集+100个医学方向数据集，做实验前可以直接筛选。

实验失败、模型掉点是常态，失败的实验也能提炼分析角度，同样可以成为论文创新点。同时要学会看懂消融实验的价值，只刷高指标远远不够。另外尽量多和师兄师姐交流，闭门造车很容易原地打转；AI工具可以用来辅助读代码、梳理思路，但不能完全依赖。

实验做完以后，论文里的图表也别太随意。可以用我整理的15个深度学习＆机器学习常用画图工具，做模型结构图、实验可视化、论文图表时可以直接按需求选。

个体差异很大，没有统一标准答案。如果基础尚可、方向顺利：入学1‑2月调研方向、跑通baseline，3‑4月攻坚实验，半年左右完成投稿。

但大多数人是：从正式启动到投稿出去大概半年，算上审稿返修、拒稿重投，完整录用周期普遍8‑12个月。少数天赋或者机遇很好的3个月就能产出，属于小概率事件，不要拿这个标准苛责自己。