你自己挑吧

理查德·哈明在貝爾實驗室有一種習慣這讓他在午餐時很不受歡迎他問坐在他旁邊的人們, 所以人們改了桌子吃東西。

因為我們大多數人沒有好答案我們不是在挑選問題,而是在吸收它——從我們的導師,從上季度一個主要實驗室發布的公告,從本周傳送給我們的文件。

吸收的問題在于你只有結論卻不知道背后的理論你知道一個著名的實驗室關心某個方向但你不知道原因也不知道他們希望找到什麼。

等他們轉身,一年後你才會注意到而且,在一個已經很受歡迎的事情上, 你正在跑 1000人。

約翰·舒爾曼的机器學習研究指南把這項工作分成了兩個模型. 首先,你讀了那些文學找個更好的地方第二你選擇你真正想要的結果然後推回去設計實驗。

他為第二項辯論, 你真正關心的目標是把你拖進一個沒有普通文件的領地。

至于品味,常常被當作禮物來討論. 但更似肌肉。

在執行每個實驗之前, 預測其結果; 遮蓋一篇論文的結果, 以自己的方式猜測數據; 記錄本月公布的結果, 一個預言,一個錯誤,還有幾百次—— 每個好模型都是如此訓練的, 包括你腦中的一個。

提升您的輸入

共同讀取清單產生共同的想法。如果你的資訊配給只是 arXiv 的熱清單加上群組聊天。選舉的剩餘部分將與每個人一樣。

舊信息的价值被嚴重低估。相當於1991年和1997年。

Rich Sutton於2019年撰寫了"痛苦課", Claude Shannon於1952年發表了一篇關於創意思考的演講, 他的第一招是把問題縮小到一個幾乎微不足道的高度, 破解已減少的版本。

單靠這能幫助你打破更多的牆壁比任何現代的生产力建議。

广度和深度同样重要。評估(Eval)設計是白色桅杆的機理設計; 只要能實際地了解GPU如何移動記憶體, 你就能在基准測試結果出來之前。

還有一件事。而不是簡介文章。附录是秘密被掩埋的地方,"限制"部分通常是整份文件最诚实的部分。

保羅·格雷厄姆指出,在你試圖將它翻譯成文字之前,一個想法總是非常成熟. 但黑白會揭穿你腦袋裡的洞穴你從來沒試過,你處於一個穩定的境地, 你和彼此有衝突。

Feynman的原則是第一個要避免作弊的人就是你自己因為你是最容易的目標。寫作是最便宜的防禦機制。

因為他發現他的記憶可以比有利證據的快得多。您的紀憶力也是因為您的執行失敗紀錄。

保持紀錄習慣:假設,設定,期望,結果,更新的感知. 讀讀上個月的記錄會讓你感到很卑微而且沒有評論者能做到。

原始链接