Reading AI Papers

论文阅读的目标不是把每一段都翻译出来，而是建立一份可以验证的模型：作者解决了什么问题、方法为什么可能有效、实验支持了哪些结论、结果在哪些条件下不成立。

Three Passes

Pass 1: Position the Work

先读标题、摘要、图 1、结论和引言，回答：

• 研究问题是什么？
• 与最接近的 baseline 相比，真正新增了什么？
• 主要结果用什么数据和指标衡量？
• 这篇论文是否值得继续投入时间？

Pass 2: Reconstruct the Method

用自己的语言重新写出：

1. 输入与输出；
2. 模型或系统组件；
3. 训练目标与数据；
4. 推理或执行流程；
5. 关键复杂度与假设。

如果不能画出数据流或写出最小伪代码，通常说明方法还没有真正理解。

Pass 3: Stress the Evidence

检查：

• baseline 是否足够强且设置公平；
• 指标是否对应论文声称解决的问题；
• ablation 是否隔离了关键组件；
• 结果是否跨数据、模型或随机种子稳定；
• 有没有失败案例、成本、安全或泛化限制；
• 公开材料是否足以复现核心结论。

A Useful Note Template

Field	Question
Problem	What exact failure or limitation is addressed?
Core idea	What is the smallest new mechanism?
Assumptions	What must be true for it to work?
Evidence	Which experiment supports each major claim?
Cost	What compute, data, latency, or complexity is added?
Failure modes	Where should the method stop working?
Reproduction	What is the smallest experiment that can verify the idea?
Connection	Which existing concepts or projects does it change?

Writing the Final Summary

一份好的论文笔记应明确区分：

• paper claims：作者明确声称并由实验支持的结论；
• my interpretation：基于论文产生的理解或推断；
• open questions：当前证据无法回答的问题；
• actionable idea：可以复现、比较或用于后续工作的具体步骤。