博士應該採取什麼策略讀文獻？

11-28

看到兩種相反的觀點：

1、儘可能多讀並整理，全方位了解問題的背景和來龍去脈。
2、儘可能少讀，而且每篇用很短的時間（20 min），只需要提取與課題直接相關的信息即可，然後直接開始幹活，干不動再找。期間讀儘可能少的文獻了解進展即可（類似於這個：Philip Guo - Opportunistic Paper Reading）。

想知道各位都是怎麼做的。

如果老闆是超級大牛，或者師兄師姐是超級大牛，並且他們還願意帶小朋友打怪升級，那麼根本不需要策略。他們讓你讀（做）什麼你就讀（做）什麼。（如果只是想畢業或者簡歷好看，這樣完全足夠了，能力另說）
如果不是，請往下看：
先介紹下自己的背景。計算機體系方向的博士三年級，老闆屬於年輕的海歸博士，在他自己的領域挺牛的。但是業內的人可能都知道，整體來看，中國的計算機體系研究和國外差距還是非常大的。沒有國外實驗室多年的積澱和強大的人才資金支持，要在相關領域和他們正面衝突是很難取勝的。因此老闆在我進實驗室的時候給我確定的方向就不是體系的主流方向，和他的領域相關但相關度不高。因此，基本上屬於「自己找paper看」+「自己找idea做」+「和老闆師兄討論」的方式來搞科研。自己也經歷過迷茫期，走過不少彎路，直到近一年才漸漸摸清一些門道。所以也是希望後來的人，看到這個答案能少走點彎路吧。
首先，同意 @宮非的觀點，讀文獻前應該明確自己的目標，以下讀文獻的步驟只針對以發表論文為目的：
//======碼農的分割線======
準備階段：
（1）查看自己領域近三年來的頂會/頂刊，搜索自己感興趣topic下的paper（不要太多），列一個list；
（2）list里的論文都先讀個abstract，特別感興趣並且自己背景知識能hold住的繼續讀下去，其餘pass掉；
（3）選擇其中最擅長的一篇（設為Paper A）精讀，如果Paper A中某觀點引用了reference，你缺乏這方面的知識並且會顯著影響到你的理解，請遞歸的閱讀下去，否則把reference當做一個黑盒即可；
（4）然後在scholar上搜索下，看哪些paper引用了Paper A。有了Paper A的基礎，對於cite過它的相關paper，大致看下應該就能catch住相同點不同點了；
（5）然後按照自己的理解和師兄及老闆討論這篇論文（最好做一個ppt）；

Paper A、Paper A的reference、cite了Paper A的後續paper，這三個基本能cover住這個領域的主流觀點和流行趨勢了。此時，基本上你能被稱作對Paper A所在的這個小領域有所了解了。

//======碼農的分割線======
形成idea階段：
有了準備階段的鋪墊，這時候大家基本都會有自己的idea了。不過這個確實比較因人而異，有的人可能一篇讀1篇paper能有10個idea，有的人10篇paper能有1個idea……如何通過讀paper來高效地獲得idea呢？讀paper的時候也有需要注意的地方：
（1）多問為什麼。例如：為啥要這麼設計，如果換一種方式行不行？為啥他的結果這麼優（扯）秀（淡），是不是有什麼問題？為啥他要在XX段加一句解釋，是不是因為motivation站不住腳？諸如此類思考，往往是idea的突破口。
（2）多和他人討論。這一點也很重要，因為大家思考問題的角度和程度都不一樣，可能與師兄一交流，老闆一challenge，idea就出來了，這也是準備階段第5點的作用之一。
（3）換一個角度看問題。這個結合我自己的領域來說：一個系統性能高，那也許可以想想穩定性和安全性是否有問題；一個系統性能，穩定性，安全性都很好了，可以想想他的硬體開銷是否過大；一個系統性能，穩定性，安全性，開銷都很好了，可以想想他的可擴展性是否有問題。總之，這個領域可以做的很多（扯）的（淡）。

有了idea後，務必confirm有沒有前人做過相關工作（本人有過慘痛教訓）。具體方法可以自己提煉出idea的多個描述詞，然後在scholar上不停地換關鍵詞搜索，每個相關工作，大致掃一下，是否和自己的idea重合或者相關。

//======碼農的分割線======
實驗階段：
參考 @Jason Wayne回答的3，4兩點
寫作階段：
參考在學術論文投稿時你遇到過最奇葩的審稿意見是什麼？ - 謝小龍的回答
//======碼農的分割線======

有時間再更新下自己是如何從去年12月開始，按照上面的步驟，投中今年MICRO的過程吧。

//======11.25更新=======

感謝大家的認可，下面講講我自己的兩個例子吧，先說反面的，再說正面的。

//======反面教材======

大概是2013年9月份，導師參加完一個關於XXX的報告（導師第一次聽說XXX），會上受到了一個啟發（夢幻般的開始--!）。然後就給我提供了一個idea，讓我看能否做一下。當時我才博士入學，也沒啥經驗，wiki上先看了下XXX是什麼，然後讀了下google結果中前幾個的pdf（大都是些不太知名的會上的老paper），大致知道了XXX的evaluation需要哪些metric，二話不說就開整了。頭一年課程壓力也不小，基本就是斷斷續續的做實驗、和老闆師兄討論。

到14年4月，終於把論文submit出去，可能是track不太對，reviewer給的意見也沒指出最critical的問題，總之是6月份得知被reject了。後來就根據意見修改，並且對實驗進行了改進，在14年11月投稿到了另一個會。

雖然還是被reject了，但是這次終於是遇對了reviewer，指出對於你這個idea，similar work太多了，然後隨便列了5、6個（都是2013年底到14年初出的）……最後就根據reviewer的意見，把related work都引進去，重新specify了文章的motivation以及 contribution，實驗部分也有針對的重做了下，總算是recycle到了明年一月底開的一個水會上。

總結：這篇論文前前後後耗了我兩年的時間，才開始搞得時候XXX領域還被廣泛關注，到最後都已經衰敗了……最大的問題就出在準備階段以及idea形成階段的文獻閱讀上。前期並沒有合理高效地survey，沒有了解該領域最新最重要的工作；idea形成後也並沒有廣泛的搜索相似或相近的idea，導致論文立意不對。除此之外，我還有3點深刻的體會：

（1）在做老闆給的idea之前一定要仔細survey下可行性。特別是老闆並非特別了解idea這個領域時，更要做好充分的準備。如果idea是關於交叉領域的，至少你需要先survey下新領域的相關工作。一旦發現idea不可行或者類似工作很多，要及時有理有據的告訴老闆，切不可礙於情面馬虎過去，否則浪費的是你自己的時間；

（2）那些高cite的經典paper可以看，不過效率不高。後續頂會的paper一般一句話或者一段話就概括了經典paper，可以節省大量時間。並且老paper後續的重要工作一般在最新的paper里也會有提及，這樣可以有一個脈絡。所以我個人認為比起直接讀經典老paper，讀新的top paper更適合這個領域的入門。

（3）做survey的時候應該把握該領域的一個熱度趨勢。這個在我下面的正面例子還會提及。像我上文說的XXX領域，在我才開始做的時候，相關領域的頂會上還經常出現，再過一年就時常出現，最近已經很零星了。這種領域，除非有重大突破，否則你的motivation在review的時候會被先入為主的降一檔，這是相當不利的。憑心而論，這篇論文最後能被水會接收，我覺得已經很幸運了。

//======正面教材======

其實也談不上什麼正面教材，只是自己感覺比較順利，當中可能也有運氣的成分，希望分享出來對大家有所幫助：

2014年12月，由於被上一個反面教材折磨的很慘（幾乎對自己的科研能力以及研究方向產生了懷疑），痛定思痛，決定開始自己尋找新的topic和idea。由於我之前的工作都是關於計算機硬體安全的，有一定基礎，所以還是選定了這個大的方向。又由於實驗室博士（隱性）畢業條件要求體系領域的的頂會，所以自己初期survey的方向就選定在了計算機體系領域的頂會。

於是自己把ISCA,MICRO,HPCA,ASPLOS這幾個體系界頂會2012-2014的proceeding都過了一遍，挑選出來所有計算機安全相關的paper，一共20篇左右。發現主流研究要有4個方向，其中code reuse attack，VM security比較火，但是比較偏software，自己hold不住（我本科學微電子的）；然後side channel attack對物理設備（經費）要求較高，也不敢輕易嘗試；最後就剩一個Oblivious RAM，和自己以及老闆的領域還有些關係（老闆是做存儲技術的），但是老闆和我之前都沒聽過這個名字……

其實知識背景還是能hold住ORAM，但是ORAM的細節實在很多，而且源遠流長（30年前就提出了，直到13有了breakthrough)。只能從ISCA 2013最初的那篇paper開始看，最開始完全是一頭霧水，然後看到這篇paper在多處反覆cite了CCS 2013的一篇paper，於是兩篇混合起來看，互為補充，總算是看懂了。其實直到現在，我依然不能完全看懂那篇breakthrough的paper，大家感受一下：

（所以我堅持的認為，快速入門的方式並不是直接上來就讀經典paper）

在看完ISCA 2013的paper後，我在計算機安全三大會上(Security, SP, CCS)也survey了近幾年關於ORAM的信息，發現ORAM近幾年來確實很火，學術關注度應該比較高，適合發文章（灌水）。然後開始看ISCA 2013那篇paper的被cite情況，30來篇左右，和體系相關的認真看了下，其他的都是掃了一下，這個過程和閱讀第一篇時相比簡單快速多了。我準備階段從12月開始，2月底結束。

其實在讀paper的過程中，我就對ORAM的某個細節產生了一些疑問，搜索一圈發現並沒有人在這方面做文章，在跟導師還有師兄反覆討論的過程中大家也認可了我的觀點。討論和最終確定idea大概花了半個月時間。

於是接下來就是設計實驗，evaluate，寫文章了。由於上一個失敗例子留下的陰影，這次養成了每過一段時間就在scholar上換關鍵詞搜索的好（強）習（迫）慣（症），就怕忽然間蹦出來個類似工作發在arxiv或者Cryptology ePrint上（所以火的topic也是有風險的，必須做得快）。直到五月份submit到MICRO，9月初accept，才算告一段落。

//======補充說明======

看到了本問題下 @張心欣的答案，非常認同。以上回答僅僅針對發論文，計算機領域的研究確實還是應該多關注業界。我一直很佩服我們實驗室之前一位兼職教授周源源老師培養學生的方式。據說她UCSD實驗室的學生找idea都是通過和企業的合作甚至eetimes，而周源源老師本人也是一個創業達人。不過限於自己研究領域的限制以及實驗室較高的論文畢業要求，現目前還是只能水水論文，希望能在以後多向業界靠近。

此帖24h就突破2000贊，近5000次收藏，很有成就感，哈哈&<原諒我這麼容易滿足&>

每天刷知乎就為了隔幾分鐘看消息框上的數字和知友的留言，真的很感動！非常感謝大家的認可，歡迎支持我的知乎live搜羅更多乾貨。

知乎 Live （點我有驚喜哦）

----------------------------------------------------------------------------------------------------------------

我初讀PhD的時候，很懶，看到厚厚的書籍、長長的review綜述就頭疼。不想看！！！

雖然前輩高屋建瓴的給出很中肯的建議，然並卵。。。後來找到了一些技巧。

如果你和我一樣懶，就想想辦法盡量少看點文獻吧。。。

（注意：如果你是一個文科生、藝術生或者醫學生。直接跳轉文末，有彩蛋噢！！！）

初入一個學科，都希望前輩能整理出如上圖的脈絡幫自己抓住一下重難點；但是博士一般研究的內容都是細分領域，沒有書籍參考，reviewer類的文獻太長太長，有沒有人工智慧工具可以幫下忙呢？

先扒拉一下讀文獻有什麼用

除了第10條，其他都是有效的！

---------------------------------------------------------------

神器1：Refviz和EndNote配合——統攬全局

EndNote是業內文獻管理鼎鼎大名的軟體，卻少有人知道Refviz插件可以「錦上添花」

由上面兩幅圖就知道自己感興趣的「關鍵詞」在哪些方向研究火熱及與其他內容的關聯。

------------------------------------------

神器2：Histcite+webscience找出本領域的一顆顆高樹

以時間為主線，抓住歷史上堪稱經典，在業內發paper必引的那幾篇

任何分析軟體都不可能替代我們大量閱讀文獻,軟體充其量只是輔助並提高我們的效率,或者從另外的角度將信息展示給我們。

以上兩組神器的下載地址是
鏈接：http://pan.baidu.com/s/1jIDLBeA 密碼：utpc

有跟我研究方向&<機器學習、深度學習、醫學AI（信號分析、影像處理）&>很match的小夥伴，歡迎加微信，一起交流進步哈′?`ahuchenkun

麻煩給個自我介紹，方便我備註好友（比如「姓名-學校/單位-研究方向」），謝謝

----------------------------------------------------------------------------------------------------------------------

文科生、藝術生、醫生--請看下文

----------------------------------------------------------------------------------------------------------------------

如果，你只是一個文科生、或者醫學生。最後給個彩蛋，只用輸入自己關心的關鍵詞，自動生成論文調研報告，點擊下面鏈接（沒收百度任何推廣費用、純良心推薦）

百度學術-開題助手

喜歡點個贊再走吧！

本人10年國內985本科畢業後進入美國一所一般州立大學讀博。2015年夏天剛剛畢業。在知乎上領教了眾位牛人的回答，每每自己也想動筆，總是自慚形穢。但是對於題主這個問題，我覺得我還是有點經驗和教訓可以分享的。

首先說一下搜文獻的工具。我在國外都是用google scholar。學校購買了大部分的資料庫，90年代開始的文章基本那個在google scholar上找到電子版。更老的則可能只有掃描版或者要去圖書館找紙質版。我從來沒有用過國內的知網，也沒有查閱過一篇非英文的文獻。所以如何查中文文獻可能需要其他牛人指點了。

然後再說一下文獻管理軟體。我喜歡使用Jabref。它是一款開源的小程序。可以方便地做筆記和歸類。你如果有十篇文獻，可能用一個文件夾就能管理。但是想像一下你有幾百篇上千篇的文獻，怎麼最快找到你想要的就成了難題。Jabref還是很強大的，如果你用latex寫論文的話，它還能自動生成bib file。

我的導師是剛剛評上tenure的中年才俊。在科研上生機勃勃，但是也不像其他仍舊在為tenure奮鬥的AP一樣push。總體來說，他會給一個大方向，然後具體的細節都是由學生自己去解決，所以我在讀博的期間看了很多很多的文獻。回顧我五年的博士生涯，其實看文獻的方法也是分階段的。

a) proposal 階段（開題階段）
proposal階段可以分為兩種情況。一種是博士開題，也就是為自己整個博士幾年寫一個規劃；另外一種是給學術機構或者企業寫proposal，申請funding。兩者類似，對象都是一個寬泛的問題，而不涉及細節。所以在這個階段，文獻的閱讀一定要求廣而不是求深。我的建議是：
a.1) 找一些review paper。一般在你的領域，學術大牛隔三差五都會寫點review paper來灌水。雖然這些論文都是水文，但是對於剛剛接觸該領域的新手往往是醍醐灌頂
a.2) 找實驗室之前畢業學長的論文。如果你恰好不是你們實驗是第一個研究該領域的人，那麼你查文獻也就輕鬆了。你可以看看學長之前的畢業論文，然後看看他們都看了什麼文獻。然後你自己再取所需。
在這個階段，我讀文獻一般就看abstract，看conclusion。對於某些可能也掃一眼method。這種文獻閱讀的目的就是要了解大意，了解該領域的大趨勢，和總體發展狀況。我一般會把看過的文獻歸類，然後簡化成圖表。比如說，用流程圖來描述該領域的發展過程，用樹圖來表示對同一問題的不同解決方法。我推薦使用ppt或者visio。不要小看這些圖，你以後寫論文，做presentation，他們都是你的好朋友。

這個階段的文獻閱讀一定一定要廣！要儘力把一切可能想到的方法都想到。不然等你研究了兩年，發現自己做得和前人一模一樣，或者別人的方法更加簡潔直觀，那麼你的博士就悲劇了。我也常常給老闆審稿子，有時看著別人花了大力氣卻得出與文獻中一樣或者尚且不如的結果，只能默默地reject。要記住，你才是這個領域的精英，你老闆只是曾經是精英。他的idea可能有時拍著腦瓜子就想出來了，你不要也跟著想當然。

b) 解決問題階段
通過proposal階段，你一定得到了兩三種可行的方法。然後對於這些篩選出來的方法你就要找相關文獻細讀了。我的建議是：
b.1) 要從最近的文獻開始查找。比如從2015年的開始看。然後通過2015年文章中的引用找到更早的文獻。這樣的好處是，你找到的文章一般是引用數高的。而那些不好的文章自動被過濾掉了。
b.2) 有些人一旦沉浸於自己的問題之中，往往就停止了文獻搜索。其實文獻搜索是一個不能停止的過程。因為在你研究過程中，你的研究方向也在發展，所以你的想法也得與時俱進。google scholar有個好處就是能根據你以往搜索的關鍵字來推送最新的文章。當然，我老闆也會定期轉發一下我們領域知名刊物的news給我們。

這階段，一定要盯著文章中的limitation去讀，去想。以建模為例，如果文獻中做出了A，B，C三個assumption。你就要想，我能不能改進方法，去掉這幾個assumption，讓這個模型適用性更廣。我能不能通過改進演算法來讓模型更快更准。這樣的思考能幫助你出paper。你每解決這麼一個小問題，可能就是一篇paper。（說起來好像很簡單，但是解決起來都是淚）

c) 收官階段
收官階段一般是指把自己的結果轉換成論文的階段。這個階段的文獻已經不是很重要了。但是還是要做到幾點：
c.1）一定要確保你文獻引用的專業性。有些文章，你看的時候可能是conference，但是過了一陣，作者可能已經改進完在journal發表了，你最好也要把引用修改為journal。不知道是不是各個領域不一樣。就引用的可信度而言：journal （peer review) &> book &> conference &> presentation &> website。你引用什麼直接決定了文章的專業度。引用wikipedia就讓人笑掉牙了。
c.2) 一定要確保引用的準確性。有些文章你以前粗看的時候，可能理解錯了。如果要把它放在你的paper里一定要確保這個錯誤不會發生。我們老闆常說，你的文章就是你的臉，你的reputation。一旦發表，你就改不回來了。寫得好，千古留名，寫得不好，遺臭萬年。

我說的可能不是策略，但可能比很多優秀的策略更能提高效率

很簡單：

1.斷掉外網
2.把手機放到一個自己摸不著的地方
3.遠離零食

做到以上三條，百分之九十的人閱讀速度將提高一倍以上。

我通常是不帶手機列印好文獻去圖書館，一支筆一個本一杯水足矣。

首先是文獻的來源，我們實驗室有個非常好的機制，就是每個月由實驗室的成員提供閱讀列表，每個人分別負責2-3本期刊，甄選出與我們的研究相關的文獻。

首先是每月中旬主管會發郵件要求大家發送列表。死線之前會再催一次。
保護隱私，所以打碼。。。

然後由主管整理，製作成PDF

然後PDF大概長這樣

大概會有十幾本期刊每月的最新論文都會在PDF中。

然後讀的話，先瞄一眼標題，有感興趣的點開，看摘要，發現有意思，繼續往下讀。
由於實驗室主要由博後組成，所以看英文就跟喝水一樣簡單了。

現在基本是泛讀為主，畢竟同領域的東西都太熟悉了，看一眼圖片就知道在做什麼。

精讀方面，每三周會有一次journal club，大家按照審稿人的角度來解讀實驗結果並評論，抽籤，每人抽一個圖。基本上就算髮CNS級別的我們都會挑出很多刺，極少遇到做得特別好的。然後這些刺我們就要記下，自己的文章盡量避免這種失誤。

分享一下管理學讀文獻的經驗吧。總結下來，其實就三個點。

少即為多 Less is more.

帶著想法回顧文獻

推薦用Web of Science進行關鍵詞的搜索，而非Google Scholar。後者雖然更全面，但是容易將一些不值得引用的內容也加進來。如果你引用了一些低質量的文章，行家可能就會對你有負面的評價。許多審稿人第一眼，先是看你的參考文獻引用了哪些文章。如果你經常引用且依賴一個不知名期刊的結論，如果你經常引用且依賴這個領域的非主流期刊的文章，那麼就可能影響我對你的學術品味的判斷。

這一輪，你可能得到上百上千篇文獻，需要通過快速閱讀摘要(abstract)來篩選是否進行全文閱讀。如果你的課題很火，估計能衝到一千篇相關文獻。如果少於一百，要麼就是非常前沿，要麼就是這個課題走偏了，需要重新檢視一下出發點是不是錯了，或者關鍵詞是否選得不好。

選擇閱讀側重時，經典文章優先，頂級刊物的文章優先，飲用量大的文章優先，和自己的點子接近的文章優先（如果你是的話）。這類的文章不會超過十五篇。希望你可以縮小到五篇。

為什麼要這麼選？

首先，學術界的總體狀況是「大牛挖坑，小牛灌水」。大牛開戰場，單作的引用量高。小牛補漏缺，每篇的影響力有限。知道了大牛的坑，可以推導小牛的縫。抓住了框架，可以得知枝葉。

其次，引用下自己在另外一個答案里的內容（第一次寫學術論文無從下手怎麼辦）。

一個人的寫作風格和品味，是閱讀塑造的。你每天讀地攤文學，那麼你就是陰謀論的專家。你每天習讀凱恩斯的文章，那麼你的寫作功底會得到他老人家的真傳。你每天看福柯的文章，總免不了沾染他晦澀的毛病。

為了保證自己少被「爛文章」污染，盡量使得自己被好文章熏陶，你也應該重點讀經典。

最後，抓撈經典/重要/相關/最新的文章，還有一個重要原因，是你要記得恰當地引用它們。如果你聲稱做制度理論，卻沒有引用Meyer Rowan 1977和DiMaggio Powell 1983；聲稱做資源依賴，卻沒有引用Pfeffer Salancik 1978……那麼，專家們就可能強烈懷疑你連基本的功課都沒有做好，那麼你這篇論文的命運也就懸了。

沒有想法探索文獻

第一，你可以選擇參閱綜述性的文章，例如在管理學界這樣的期刊是AMA或者JOM的部分文章。這裡沒有其他法門。認認真真讀，才是王道。

第二，如果你是剛入門，那麼如何高效地獲得閱讀書單呢？其實你可以去搜索業界大牛的主頁，他們很可能貼了自己博士課程的綱要，裡面往往附帶閱讀清單。例如Ezra Zuckerman在MIT Opencourse上有Sociology of Strategy的詳細材料。這些閱讀全都是精挑細選，凝結了那些教師的很多心血(自己編過課程自己知道)，已經幫大家省卻了許多甄選的功夫。

第三，如果找不到文獻綜述，怎麼辦？這可是大好事！如果你能把綜述做了，那你就可以發表了！

慢即為塊 Slow is fast

其次，這些文章要精讀，要熟悉文章的細節，要能信手拈來，就好像是你自己親手寫的似的。這個過程不要怕慢。要重深度，不要重速度。這裡越慢，進步越快。囫圇吞棗，是你熟稔整個文獻以後的事。當你對某片文獻很熟悉的時候，會發現很多邏輯是接近的，點子是雷同的。你還會發現很多人的引用是錯誤的。這時候想慢也難，一篇低質量的文章，你也許只需要10分鐘就可以掃完。這時候，你對這片文獻的了解已經到了「飽和」的階段。

具體如何做呢？其實最好的閱讀，是寫作。我引用一下自己在另外一個回答（第一次寫學術論文無從下手怎麼辦）：

多做活躍閱讀，少做被動消費，積極地與論文進行對話。如果看到一篇段落非常有意思，趕緊用自己的語言複述並且記錄下來。如果對某些觀點這篇存疑，也趕緊記錄下你的疑惑，並且思考一下：（1）作者如果再多做哪一步，你就信了; （2）我可以設計一個怎樣的研究，來證明對方是錯誤的。這樣一篇論文下來，你可以積累不少經過了積極思考的短評了。這些閱讀筆記，是你的專有知識庫，決定了你內化這篇論文內容的程度，也影響著你自己論文的高度和深度。

閱讀的目的是「既能看到森林，也能找到樹葉」。看到森林，指的是隨時可以回憶出森林的概貌。找到樹葉，指的是隨時可以搜索出文獻的具體實踐。例如，隨時可以複述領導力有主要理論ABC，並且可以比較他們的主要觀點，隨時可以找出這些理論用來測量領導力和相關變數的方法。

笨即為智 Stupid is smart.

很多真正的大道理，是簡單的，但不淺顯。很多複雜的觀點，看似深刻，但名不副實。許多晦澀的東西，不是作者高明，你笨；而是作者的邏輯紊亂。如果你能釐清，可能是你的機會。真的是自己不懂，也不要輕易放過。

既然是博士了，就不要做被動的知識消費者，而要做主動的知識生產者。既要學會欣賞文獻，也要學會有自信地批判文獻，更要學會有創意地在文獻的不足上開拓新知識。

附：我還寫了六篇學術導向的問題，希望可以幫助到你：

學術研究中資質或天賦跟勤奮哪個更重要？

導師的選擇和建議?

在國際學術會議上如何社交？

第一次寫學術論文無從下手怎麼辦？

做學術期刊的審稿人是怎樣的體驗?

怎麼問教授要推薦信？

別的專業不了解，只說計算機。

如果是跟conference的學科的話，每年自己領域那3-4個一線會paper list出來，全部abstract看一遍，然后里面相關的和感興趣的看全部就行。
相鄰領域的頂會盡量保證paper title都看一遍，相關的看過。這樣算下來每年100-200篇感覺就差不多了。

如果是跟Arxiv的話，每天早晨起來也要搜一下。

另外，很多人可能覺得有些黑色幽默，其實微博，微信群，和微信公眾號是很好的消息來源。基本上最新的學術消息在這幾個地方都能第一時間看到... 我也是驚呆了。這點要感謝學術大V和辛勤的小編們...

講真，微博上學術內容一不小心就實在是太多了，信息過載的不要不要的。有一段時間由於實在是受不了滿屏的學術消息我都停用了... 也不知道我都關注了啥... （人家明明是要來看花邊新聞的啊！）

現在Facebook也快淪陷了，有一次大半夜的我在哪裡狂刷手機，妹子問我：「你在幹啥？」我支支吾吾半天只好承認：「我在Fb上跟人討論學術問題...」

首先要誇獎和鼓勵提問者，問得好！這個邀請也是邀到我心坎里了，謝謝！

我將以經濟和金融背景來組織一個適合入門者的回答。

大家可能會覺到奇怪，但我認為這兩種看似相反的觀點其實都是正確的，只不過因為一個是長期策略，一個是短期策略，所以乍看是衝突的。細想想的話，我們在閱讀文獻時所採取的策略應當是綜合的（短期為主）、非線性的（跳躍+反覆）和相機而變的。

題主所說的第一種策略（即儘可能多讀多整理，全方位了解問題的背景和來龍去脈）是一種以長期目標為導向的策略，而題主所說的第二種策略（即儘可能少讀，讀簡介即可，只從文章里提取自己關心的信息）則是一種以短期目標為導向的策略。

所謂長期目標是指：了解你身處的領域中需要解決的最根本科學問題（比如在國際貿易學中，最核心的問題就是what do we know about firms that trade），畫出文獻樹，並跟蹤該領域中活躍學者的實時動態。所謂短期目標是指：找出自己當下這篇論文擬寫的題目和創新點、把初稿寫出來，或者完成當前所承擔科研項目的結項報告。

長期目標怎麼才能達成？答案是通過完成一個又一個的短期目標。所以，我的第一個觀點就是：應該日常性地採取第二種策略來讀文獻，然後心中飽含著我最終還是要達成第一種策略的念頭。要在這個行當里持久地混下去，有時間的話，前面挖的坑遲早都是要填上的。

我的第二個觀點是：有了讀文獻的策略，你還必須要目的性很強地去讀，帶著你的idea去讀。Idea就是指自己的研究問題以及自己對該問題預想出來與眾不同的解答。別人一聽你的答案，一拍大腿，我tmd怎麼就沒想到，真是情理之中，預料之外啊。這裡與其說是讀文獻，不如說是在文獻中去找你所需要的東西（自己模型的來源，自己假設的支撐證據，fancy的計量方法，還是數據的來源等），否則讀完就完了，轉頭就忘，毫無幫助。

結合上述兩個觀點，你該做的就是：第一步、找到自己感興趣的領域；第二步、看綜述性的論文找靈感；第三步、形成自己的idea並大致想好怎麼論證你的idea；第四步、把idea列印出來，掛在書桌前面的牆上，按照上述短期性策略去讀幾十篇最相關的文獻，找論證的方法和其他有用的東西。

接下來，我就結合自己在經濟金融學領域（其他領域可能情況有所不同）撰寫國際期刊論文（Fan and Gao, 2017）的經歷，首先談談怎麼形成自己的idea，然後再談談具體怎麼實施這個讀文獻的短期策略。不過，這僅僅是科研的第一個階段而已。在完成第一階段以後，我們還要帶著自己的idea去建理論模型、去收集處理數據、去做實證檢驗、去寫代碼，去做模擬，去寫出來、去到處講、去投稿、去反覆改、去最終發表並啟動下一個idea，等你在這個領域完成了不少idea以後，讀文獻的長期策略也就自然而然地體現於其中了。

怎麼形成自己的idea？

這個其實和讀文獻是相輔相成的，如果讀文獻廣闊到一定地步是不會煩惱這個問題，如果什麼文獻都還沒讀，或者只讀了幾篇，怎麼辦？我先講幾個不該是我們這種科研新手產生idea的來源。

第一個，能不能是看著新聞、讀著小說時的靈光一現？不能夠或者很難保證這樣的idea能夠得到主流的認可。

第二個，能不能是偶爾獲取到了一小組新數據？不能夠，就像你撿了一個滑鼠墊，然後來問問配齊電腦還需要什麼？

第三個，能不能是對現有文獻或一篇論文的評論？不太好，將來你的文章是要給這些被評論的人來審的，大家都不喜歡別人專門寫一篇論文來評論自己的工作，想想詩人和作曲家是多麼討厭詩評人和曲評人。

第四個，能不能接著某篇論文結論部分的、作者給未來科研人的建議去寫？可能下場會很慘，你想想原作者自己怎麼不接著做哪，寫出來留給別人做？

最好的來源應當是：在了解某個文獻整體情況的基礎上，看看缺了哪塊兒，哪裡需要補上。所以我讓大家去看看綜述性的論文，對文獻樹有個大致的了解，帶著自己是個職業科研人的認知，去找找看這個文獻樹里是不是各個方向都有了理論，但缺乏實證？還是多個理論模型有衝突，不知道哪個理論在哪種情況下是符合當前狀況的？還是實證一大堆，卻沒有理論模型？還是這個領域的方法可以借鑒到其他領域已經不錯的方法？總之，要想想自己的idea怎麼fit到某個文獻裡面去。

我們先要提出一個問題，這個問題得有意思，你自己要很感興趣（要是一開始就是為了完成任務隨便提出來一個，我敢保證以後你看到自己這篇論文就要吐，因為你要修改成百上千遍，就像找男女朋友要找個順眼的，先不管其他，以後相處幾十年，順眼都不順眼，就真沒法堅持搭夥過日子了），大眾也都很感興趣，想知道答案的問題。而且這個問題吧，你怎麼去回答好像都有一定道理，正著說反著說都可以，欸，這就是一個好問題。

接下來你要做的就是把這個問題變成一個學術問題，即保證自己能在兩句話之內把這個問題清楚地描述出來。這兩句話不應當是：甲這麼做，乙那麼做，我來小小改一改；也不應當是：我分析了某個有名的資料庫（比如上市企業高管的薪酬數據），發現了許多有意思的結果。這裡舉個例子什麼才是一個正經的學術問題。Fama and French（1992）在他們的高引論文里的簡介部分，是這麼總結他們的研究問題的：

Two easily measured variables, size and book-to-market equity, combine to capture the cross-sectional variation in average stock returns associated with market beta, size, leverage, book-to-to-market equity, and earnings-price ratios.

翻譯一下，兩個很容易獲取到的指標，公司規模和股權的市值與賬面值之比，和其他一些指標結合起來就可以解釋為什麼不同的公司發行的股票會有不同的投資回報率。這個問題是很有意思的，因為找出決定股價差異的因素對於基金經理是非常重要的，有人就寫了一篇文章，發現用過去十幾年裡學術界找出來的許多個股價決定因素去選股，發現選出來的股票不再有超額收益了。這說明，業界已經把這些idea應用到投資過程中了，所以潛在的投機機會就消失了。

把你的問題也這麼寫出來，拿出給你炒股多年的老爸老媽和親朋好友們講講，可能需要稍微對專業名詞解釋一下，如果他們能聽懂了，而且表示想知道答案，這一步就算是成功了。

有了學術問題，你還得繼續想你對這個問題的解答大概會採取一個什麼思路，找到一個別人沒有提出過的問題是比較困難的，但是想出一個新穎的解答還是可能性很高的。而且未必現有的解答做得足夠細緻，你就可以超越他，或者從另一個角度進行補充，這和知乎的玩法一模一樣。如果你是一個有基本功底的研究者，目前的工作（即找出來問題和想出來問題的新穎解答思路）基本就已經決定了你這篇文章未來可發表雜誌的等級，做得再細緻或者做得較毛糙，則決定了這篇文章所發表的期刊是屬於該等級中的佼佼者，還是該等級裡面快降級的。

你也許會發現，解答的思路已經快被人家想完了，我怎麼辦？另闢蹊徑地去思考，比如逆向思維、發散思維、遞歸思想等。這裡舉一個投行面試中關於逆向思維的數量問題做例子。

想像一個由10乘10乘10個小立方體組成的大立方體浮在空中，就像魔方一樣，不過長寬高都是十個小方格，這時候颳風下雨，整個前後左右外立面上的小方格都剝落掉在地上了，現在問你地上掉了多少個小立方體。如果正向去想答案就很煩，因為出現在棱處的小方格兩個面會重複計算，出現在頂角的小方格三個面都會重複計算。但如果反著去想答案就很簡單，原來有10的3次方個小立方體，現在空中還剩8的3次方個小立方體。8的3次方就是2的9次方，學計算機的同學肯定知道：2的10次方是1024，那麼2的9次方就是512，所以掉在地上的小立方體有1000-512=488個。思路對了，三秒出答案。

同理，你在想學術問題答案的時候也應當採取上述多種維度的思考路徑。

讀文獻的短期策略到底應該怎樣實施？

實施短期策略其實很簡單，精讀一篇論文的abstract摘要部分和introduction簡介部分即可。題主說用短期策略去讀一篇論文，二十分鐘就可以完成是有些誇張了，除非你對這個文獻非常熟悉。在不熟悉的情況下，由於精讀摘要和簡介要求完全理解一篇論文的宏觀思路，所以可能需要反覆讀以及查閱其他資料，所以我覺得大致用時在幾個小時是比較合理的。比如，我是這麼讀Hummels and Klenow（2005）年的一篇文章的，這篇文章研究的問題是：

Large economies export more in absolute terms than do small economies, we use data on shipments by 126 exporting countries to 59 imports countries in 5,000 product categories to answer the question: how?

翻譯過來就是：有的理論說大國的國際貿易的數額增長是因為出口一種產品的數量多，有的理論說是因為出口商品的品種多，還有理論說因為出口商品的質量高所以定價高，到底誰說得對，我們來用詳實的數據樣本驗證看看。

我精讀了這篇論文的摘要，發現第一次讀，看不太懂。這有可能是因為我不懂基礎概念和理論的問題，有可能是我被英語句式誤導了。怎麼辦？沒有捷徑，我讀了十幾遍，反正也就十幾句話，每個句子的主語、謂語、賓語，每個不認識的術語都徹底搞清楚。也可以先讀讀introduction部分，再返回來讀abstract，也許有些疑惑就解開了。當我發現我已經能夠用自己的幾句話把作者研究的問題、使用的方法和得出的結論都總結出來之時，這篇論文的abstract就算是讀懂了。

接下來繼續精讀簡介部分，我把Introduction的每一段，反正也就那麼十幾段，按照讀abstract的方式來一段一段地讀，比如我就做了這樣的讀書筆記，把每一段的核心思想講什麼都總結下來（如下圖）。這篇論文的第八段是文獻綜述，我需要仔細瞧瞧這一段裡面有沒有我比較感興趣的其他論文，如果有，那麼就翻到參考文獻部分把這篇文章也下載下來，看看概要。

你要知道，作者在寫文章時的順序是這樣的，先草擬下來摘要和簡介部分，然後把主要精力放在正文的寫作上，最後再花很長的時間重寫Introduction，有時候還需要請大牛來寫introduction，因此introduction就是正文的精華，讀懂了這篇文章如果不需要知道細節就可以算是看過了，abstract又是introduction的精華，所以這兩部分是最最重要的。

好了，讀完了，關掉文檔pdf，別忘了給這個PDF文件改個名字，原來叫Final AER Version.PDF，我把它改成作者名加年份加發表期刊加主要idea加主要方法加我認為的亮點（當然有些地方就用縮寫即可）。例如，Hummel Klenow 2005 AER large country trade more testing for competing theories』 how.PDF。原來是放在桌面的，我現在放到Research文件夾下Trade，然後Traditional Theory，然後Empirics，哇，還有好多文章沒讀正文，沒關係，慢慢來吧，至少把長期策略的文獻樹用文件夾嵌套文件夾的方式慢慢畫出來了。

好累，看了半天的論文，我們現在去看看兩位作者的主頁，他們現在都做什麼最新的研究項目，千萬別讓自己落後了，要知道發表出來的文章基本上是至少五年前的東西了，工作論文也是兩三年前的東西了，work in progress可能還有些新鮮的觀點，但是大部分是沒有正文的，只能從題目裡面猜猜這些大牛的idea；要知道他們時下正在做什麼的話，還是去面談或者認識他們吧。

最後，我用一張圖把我建議的讀文獻步驟來總結一下，供大家參考：

到這裡，讀文獻這一部分的介紹就完畢了，別忘了我開頭說過的，這只是科研的第一個階段。

這裡做一個小小的預告，以後如果有合適的問題，我會再接著介紹科研論文寫作接下來的幾個階段，即怎麼去建立理論模型（就是把你idea裡面對問題的解答用數學語言或其他規範的語言講出來），怎麼去搜集處理數據（結合我建立中國金融機構操作風險資料庫的經驗），怎麼去寫作，怎麼和大牛們建立聯繫，怎麼選擇期刊來投稿等等，歡迎感興趣的同學們關注我，希望我的答案能給學術道路上的你一些幫助！

參考文獻

David Hummels and Peter Klenow, 2005. The Variety and Quality of a Nation』s Exports, American Economic Review, Vol. 95(3), pp.704-723. 原文鏈接

Haichao Fan and Xiang Gao, 2017. Domestic Creditor Rights and External Private Debt, The Economic Journal, Forthcoming. 原文鏈接中文解讀

Eugenue Fama and Kenneth French, 1992. The Cross-Section of Expected Stock Returns, The Journal of Finance, Vol. 47(2), pp.427-465. 原文鏈接

先讀業界的新聞、歷史、財務，讀懂業界再讀文獻。我們班最先拿到tenure的兩個同學都有創業傾向。
搜索業界財務綜述的方式：google或者bing行業名稱（英文）+revenue，選圖片搜索。

別跟著大牛瞎起鬨，大牛挖坑灌水甚至灌真金白銀的事比比皆是。如航空航天領域：
LBM和下一代湍流模型VS非結構網格，學術大坑。
仿生MAV VS 多旋翼，JFM和CIA的坑。
超燃衝壓VS垂直起降，國之重器級別的天坑。

說一下我個人的習慣，儘管是一個學渣，但是也有自己的經驗的。背景補充：機械學科，系統動力學及其控制方向：
1.量的積累。博一時候校內另一巨牛學院的教授對他的博士們說過一句話：每天堅持讀三篇論文，三年之後必成大器。當時第一感覺是一天讀三篇這麼少，有點不以為然，但當我自己真的來每天讀三篇時，覺得要堅持下來真的不簡單，因為太多不懂的地方要去外延。同一個機械系統，光控制方法就多如牛毛，比如PID、模糊、滑膜、遺傳、神經網路等等，每一種方法想能夠讀懂能應用都需要花費大量時間。所以，剛開始一天都不一定能讀滿三篇。讀文章我會將讀過的文章覺得推演過程詳細的，做一個標記，比如將文件名（網上下載的文獻默認論文題目為文件名）前面我會標記「重點-XX方法推導」等記號，以後以後看題名即可知道內容。這樣堅持讀論文半年後，對所研究的領域基本了解了，基本的一些方法算例或自己建模或網上下載，都做過一定嘗試。因此，讀論文速度也快了。基本半年的時候，讀論文會覺得有種千篇一律的感覺，讀得也快了，如果沒有亮眼的論文，半小時就可以翻3-4篇。
2.精讀。在積累量的時候，我有提到過做標記，一般情況下我會照著值得精讀的文章中的模型與方法復現作者的結果，儘管大多數時候是復現不了的（懂得同仁是不是腹黑的笑了）但是通過這個過程還是能夠加深理解，並且積累模型數據，為自己做論文做積累。所以個人理解精讀就是一個復現結果的過程。不然你永遠不知道作者的意圖。
3.如何利用不同級別的論文。剛入行時只覺得行業頂級SCI最牛逼最值得讀，普通SCI能看，好的EI可掃一眼，除此之外全是垃圾。但是現在回想起來真是2羊2simple。我現在的觀點是：所以論文都是有價值的，只時看你如何去利用它的價值點。介紹一下個人感受：掌握業界最新動態最新方法必須看頂級SCI，但是這些論文不一定能指導你復現結果，因為大多數都是極為繁瑣的數學推演，比較晦澀；所以二流的SCI以及一流EI論文的價值就來了，這些文章的作者往往是頂級期刊的搬運工，然後做了一個具體化的工作，對於結果復現有幫助，同時結合一些同課題的博士學位論文，基本能夠讓我做一些復現的工作。如果在結果復現時對於軟體使用有不理解，那麼碩士學位論文以及一些非核心期刊論文的價值就來了，因為這類論文中不乏將操作步驟一一列舉的文章。同時，對於拘提機械系統的力學、電、液方面的推導其實好的碩士論文會推演的更細緻，畢竟博士論文的重點不在這一塊往往一帶而過。如果對系統的機械結構不太了解手邊沒有實物可看，那麼那些大量存在的非核心期刊（俗稱垃圾期刊）價值也有了，這類論文往往有大量的結構方案介紹，故障處理等內容。
以上時個人一些方法希望可以給到大家一點提示。現在上班了，還是會定期保持閱讀論文，似乎已經成了一種生活習慣。給自己定的目標是，不管工作多忙，至少每年發表一篇論文。

哥我大學都沒畢業你邀請我

也要看方向。

Stanford Li FeiFei老師說過每年cvpr那麼多paper，真正有意義的就那麼幾篇。cvpr是計算機視覺的頂會了。具體那個數字忘了，反正特別少。這個也是同學跟我說的。但是我覺得還挺有意義的。

比如機器人大家以為的頂會是icra和iros。然而icra錄取率34%以上，iros46%。魚龍混雜。相反rss去年錄取了49篇，wafr兩年來一次，上次錄取了46篇。看看委員會都是業內大佬。這種 paper可能都讀了一個有意義。

1、剛開始時，0.9A+0.1B
2、進入實驗，0.5A+0.5B
3、發現有意思的，沒聽說過沒見過的現象，0.9A+0.1B
4、驗證上一步自己的想法，0.1A+0.9B
最後兩步循環播放。
其中還有一些可以粗略劃分的階段，得了閑暇再做描述。

？可以參考：http://www.andrewsun.net/panta_rhei/archives/6080

苦逼博士第四年，怒答。

博士課題大家都講究「大處著眼，小處著手」，大處著眼就要求你通讀文獻，對你的領域有清楚的認識，否則別人一句「你這有什麼意義」就把你搞死了；小處著手，就要求你精讀文獻了，不然都是假大空，你也沒法展開。

因此選題階段，肯定要全方位的了解，精讀優秀的綜述文獻，以一敵百啊。
選定了課題之後，就該精讀文獻某些具體方法的文獻了，找到自己的研究思路了吧，找到具體的可行之路啊。

接觸過很多優秀的博士，時間分配應該是50%讀文獻，50%做實驗。閱讀量大的驚人，這也許就是別人能想出很多非常crazy idea的原因吧。他山之石，可以攻玉。

題主問這個問題不知道博士階段開始了沒有，難道博士階段最難的不應該是想出自己真正的創新點在哪么？不然做再多有個毛意義呢。

現在我最大的感受就是，特喵的壓根就不用看文獻。（建立在你有紮實的知識結構，並且對本領域有一個清晰的認知網路的基礎上。）

至於本領域的最新動態，微信上有那麼多科研公眾號，早上睡醒時候隨手瞄一眼微信就知道個大概了。特別重大的進展和Nature, Science 級別的大paper，你的那麼多熱愛科研的博士生基友他們會在票圈轉發的。

至於做第一流的科研的大老闆們，他們的idea不會是由看文獻冒出來的。他們的科研訴求往往超前又高度集中，文獻里不會有多少可供參考的有價值信息的。一個科學領域裡面，最重大的難題就擺在那裡，對全世界的科學家都一樣的公平。就看大家有多少本事可以來各顯神通了。

記得施一公院士的一篇流傳甚廣的文章里提到，他在約翰·霍普金斯的結構生物學泰斗老闆不怎麼看最新的文獻。他老闆的原話大概是「我只有在有需要和寫paper的時候才會看文獻。」幾年前中二的我還在和師弟師妹（P.S.主要是師妹）們面前大談特談好好做科研要在研究生頭兩年內看一萬篇文獻。當時的我看到這篇施一公對看文獻的建議，自然是十分不理解。現在我終於感受到了，施一公和施一公的老闆，他們真的是對的（當然是站在他們那個不把一兩篇NCS文章放在眼裡，心裡所想唯有做一流的研究，在學術史和未來的課本教材里萬古留名再順便獲個諾貝爾獎啥的就更棒了的高度上）！

我在此不厚道的猜想一下我現在的金髮碧眼大老闆是怎麼「看」文獻的。他大概最主要的文獻通道有兩條：一是參加各種學術大會，會上打起精神勉為其難聽一下可以勾起自己一丟丟興趣的大會報告，報告過後再找一同被邀請參會的大牛們social一下談笑風生，晚上參加個晚宴啥的觥籌交錯吹吹牛逼（不好意思，我忘記了我老闆已經戒酒快兩年了，但觥籌交錯講的是個氣氛。。），然後在燭影搖紅下一個個idea就應運而生了。第二個文獻通道是審稿。老闆是本領域某一知名學術期刊的副主編，在沒有聘用秘書的情況下，面對熱門期刊的海量投稿，老闆也只能狂灌咖啡硬著頭皮啃，你們投稿的一封封據信就是這麼來的。老闆鑒於其影響力，又是某學術領域裡面投N字頭paper繞不過去的審稿人。換言之，本領域最新的頂級工作，十有八九會落到我老闆手裡審稿，老闆就是這樣地具有優先權可以享用到先於期刊發表周期數月的學術最前沿工作。

之前我在國內的時候，大小老闆都經常和我們提做科研的時效性。他們的所謂時效性，大概是和文章檔次呈正比的。Nature, Science 上的文章時效性最強，是最需要和時間賽跑搶在競爭者前面發paper的；其次是Nature Chem., JACS 這樣的專業top期刊；再往下就是二區三區了。之前年幼的我對此深以為然，但現在想想看，他們也許是混淆了時效性和創新性這兩個概念。

後來有幸來到了可以發Nature, Science 的所謂牛組裡面，才知道原來根本不是這麼回事兒。真正的Nature, Science 級別的大paper，哪一篇不是在組裡折騰個四五年才發出去的？我剛得知這一事實之後驚呆了，覺得老闆就是神人。按照我以往的理解，在頂級期刊（Nature, Science）上發表的必定是當下最創新最好最牛逼最具時效性的工作；而一個工作在做個四五年之後可以發最好的頂級期刊，這意味著老闆當時在選定課題時，眼光超前整個學術界四五年。這需要何等的眼界和視野才可以做得到！

縱觀我們組的大paper的特點，一向是物理圖像簡明清晰，理論部分紮實充分。這當然和我老闆是前蘇聯莫斯科國立出身，而且老媽是搞物理的息息相關。我每次閱讀這些paper時候，都會倒吸一口涼氣，一是感嘆老闆太能扯了，什麼樣的應用拓展都敢展望；二就是感嘆文章理論工作做的遠較一般論文來得紮實，十分體現老闆深厚的數理功底。

我們課題組劃歸在化學工程系（Chemical Engineering），組裡主要是做納米材料的。在這一實驗作為絕對主導的領域裡，各個尺度下的理論模型其實都已經日趨完善。在簡單分子尺度，可以做 ab initio 從頭算；體系再大一些有 QM/MM 和半經驗方法；再大一些有分子動力學MD；MD 跑不動的體系，可以做基於有限元方法的數值計算（eg. FDTD）。實驗上發現的新結構、新現象，如果需要理論模型，在科學研究的意義上已經可以做到神擋殺神，佛擋殺佛。理論模擬和計算，本地工作站可以做的，自己跑；工作站跑不動的，學校里有超級計算平台；組裡可以做的組裡自己做，組裡做不了的體系，系裡有幾個純做計算的PI，都滿心歡喜等著和老闆合作發雙通訊paper呢；自己學校裡面做不了的體系，老闆大概幾個電話或幾封郵件，也是可以搞定合作的。

所以，老闆在給組裡民工們選課題時，壓根就不太考慮會不會有別的組也做類似的課題。這一來是兩個獨立的課題組在沒有商量的情況下，幾乎不可能把體系做的一模一樣。就算核心idea完全相同，在不同的組裡也是會做出不一樣的東西出來。二來是，就算別的組先做了一些類似的東西出來，其工作的系統性，理論工作的完整性都不大會高於我們。我們拾掇拾掇還是可以把文章發的更高。組裡發的上一篇 Nature 就是這樣，且不說我們組就在兩年前在《先進功能材料》（Adv. Funct. Mater.）有一篇類似的研究報道。而且在這篇 Nature 投稿期間，就有一篇文章做了幾乎一模一樣的納米結構發在了 Langmuir；而且說實話，那篇Langmuir 做的結構形貌比我們的還要更漂亮一些。但老闆仍然以其牛X的理論高度成功衝擊了 Nature。

最後，希望大家在學術生涯早期（博士生和博後階段）能夠盡量將眼光放長遠，不要過分拘泥駐足於點滴的細節，不要妨礙於無關緊要的雕蟲小技，多一些全局把握。這樣到我們成為PI獨立開展工作的時候，才可以遊刃有餘，成為第一流的研究學者。

我覺得每個領域應該不太一樣吧，關於泛讀，如果是生物的話，可以在pubmed或者Google scholar 上面設置關鍵詞alert，相關的文獻會發到自己的郵箱。理想狀況下應該也關注自己領域的top journal，定期閱讀，可以用rss訂閱。我最近發現一個app叫做read by QxMD，只限於生物和醫學領域，可以設置關鍵詞以及journal進行閱讀，並且這個軟體有一定的人工智慧，能夠根據你過去閱讀的類型，推薦你可能感興趣的內容。

在這個過程中，我是大多數文章都是只看看摘要一類的掃過去。如果看了之後覺得很感興趣，可以打開原文閱讀。如果跟自己研究非常想關，再細細閱讀。

僅供參考

查新：關注重點期刊，Nature, Science系列，JACS, Angew, Adv. Mater etc。重要的進展都發表在頂刊上，其他的二線刊物上的也許有重要的進展，但錯過了其實也不可惜（1）絕大部分與課題相關的文獻不用閱讀全文，只需要掃一眼圖片，因為從寫作策略上講，文章的重點和亮點一定會反映在圖裡，圖片的邏輯就是文章的邏輯，對於專業研究生（審稿人也一樣），直接讀圖就可以得出結論。（2）NS系列的文章可以從幾個方面重點閱讀（有時間的話）：實驗設計，表徵手段，數據處理，圖片繪製，寫作技巧，特別是題目、摘要和引言部分的寫作，很多NS的文章的研究範式也是值得參考的，特別是一些SI幾十頁的特大文章，證據嚴密，數據紮實，無懈可擊。
實驗：如果是從實驗角度閱讀文獻，建議收集使用該試驗方法的所有文獻（不拘文章質量），（1）掃蕩式地閱讀其實驗部分，提取關鍵的實驗參數和技術信息（材料、試劑、溫度、方法、時間），列一張表，對比所有的方法大概就能抓住這個實驗的關鍵因素和步驟（比如溫度控制很嚴格，比如試劑一定要純化），尋找一個最可靠的或者使用最多的方法，這樣實驗重複的概率更高；（2）看他們的表徵手段和參數，比如拉曼有幾個峰，電鏡長什麼樣子，和自己的結果對比。當然這裡也有技巧，越是檔次高的文獻展示的結果越好，這有兩種可能，一是確實做得臻於完美，二是選擇性地發表數據，粉飾結果，所以往往自己重複的實驗結果沒有文獻展示的那麼好，這時候可以看看稍微低檔次的文獻，這些文獻的數據處理得比較粗糙，可以看出許多端倪，不需要在追求盡善盡美上花費太多時間；（3）同一個課題組的文獻要集中閱讀，因為這些文獻使用的方法都差不多，但是後期可能會有優化，所以近期的文獻參數會比較可靠，而且文章實驗部分可能會披露一些關鍵的小技巧，可能在SI里，有條件的話，還可以去找第一作者的博士論文，博士論文中會有一些系統的研究沒有放在文章里。
表徵：如果是為了學習某一個表徵手段的應用，可以收集大量的文獻，看看別人是怎麼解釋的。參考價值：高引文獻&>N, S&>高端雜誌&>專業一線刊物。比如石墨烯的拉曼光譜，收集幾十篇用過拉曼表徵石墨烯的文章，看看別人的拉曼長什麼樣，在看看別人的解釋，就大概知道個差不多了。
圖片：這部分其實關注人比較少，但是卻極其重要。一篇文章圖片的重要性至少佔百分之五十，NS系列的文章圖片都是經過精心組織和處理，在數據處理和呈現上有很多技巧值得學習和借鑒，比如電鏡照片怎麼處理清晰，示意圖的配色技巧，origin怎麼做圖好看，多學習別人的做圖技巧，提高自己的科研品味。
寫作：這部分還是建議以NS系列為標準，畢竟是經過反覆打磨的。

看了大家這麼多分享，來點具體的吧

下面我以這篇文獻為例，介紹下我的閱讀方式，希望對大家有所幫助。

Highly open metallic nanoframes represent an emerging class of newnanostructures for advanced catalytic applications due to their fancy outlineand largely increased accessible surface area. However, to date, the creationof bimetallic nanoframes with tunable structure remains a challenge. Herein, we develop a simple yet efficient chemical method that allows the preparation of highly composition segregated Pt?Ni nanocrystals with controllable shape and high yield. The selective use of dodecyltrimethylammonium chloride (DTAC) and control of oleylamine (OM)/oleic acid (OA) ratio are critical to the controllable creation of highly composition segregated Pt?Ni nanocrystals. While DTAC mediates the compositional anisotropic growth, the OM/OA ratio controls the shapes of the obtained highly composition segregated Pt?Ni nanocrystals. To the best of our knowledge, this is the first report on composition segregated tetrahexahedral Pt?Ni NCs. Importantly, by simply treating the highly composition segregated Pt?Ni nanocrystals with acetic acid overnight, those solid Pt?Ni nanocrystals can be readily transformed into highly open Pt?Ni nanoframes with hardly changed shape and size. The resulting highly open Pt?Ni nanoframes are high-performance electrocatalysts for both oxygen reduction reaction and alcohol oxidations,which are far better than those of commercial Pt/C catalyst. Our results reported herein suggest that enhanced catalysts can be developed by engineering the structure/composition of the nanocrystals.

大家在碰到一篇文獻的時候，看看標題基本上就可以劃分成以下這麼幾種情況：
A. 跟我研究內容完全沒有關係，我也不感興趣。好吧，那麼恭喜你，看看熱鬧就可以了，你的時間可以用來做其他事情了。

B. 跟我研究的內容沒有關係，但是我想看看這些人到底在做什麼。這種情況下，不妨耐下性子繼續看看Abstract，看看作者想跟你說什麼。如果他在Abstract裡面傳遞出來的不論是背景意義，研究方法或者研究思路都不能打動你，那麼也恭喜你，你雖然多花了一點時間，但是也僅僅是花了這點時間，不過你知道了這篇文獻大概說了啥。雖然沒用, 和人聊起天來吹吹牛總還行吧（純屬玩笑）。如果Abstract裡面有些東西能夠打動你，你覺得有點意思，那麼你可以通過點擊閱讀全文獲得這篇文章的全文，然後有針對性的對吸引你的地方進行閱讀。當然，如果你讀著讀著，覺得作者太有才啦，也可以繼續啦。（友情提示：請記住作者是如何打動你的，下次你寫文章的時候就怎樣去打動其他人,切記切記）

C.跟我研究內容相近，但暫時沒有關係，但是我了解一些背景, 想知道這些研究都是怎麼做的。嗯，想要了解東西總是要付出時間的，文獻看一看總是必要的啦，重點還是你想要知道的那些點(不過，看下全文總還是能夠幫助你加深對這個領域的理解，不是么？)如果你以後可能會接觸到這個領域，那麼你就得用心點看啦，看看這個領域到底最前沿的在做什麼，用什麼方法，可以得到怎樣的結果。但是，很幸運，你不需要深究文章的數據比業界水平高了多少之類的無聊問題，這些留待以後你來做了，再慢慢對付吧。

D. 跟我研究的領域直接相關。好吧，都跟你相關了，而且別人發了這麼好的文章，你就沒有興趣看一看？（不管你信不信，反正我是不信）。好吧，大家都對這個領域很熟悉了，該看什麼呢？

下面以選取的這篇文章為例，談談我是如何來看跟我相關的文章的（假裝我是做電催化的, 好吧）。
首先，看到文章題目，我會想到什麼東西？Pt-Ni？電催化？好吧，大概這篇文章要講的就是ORR了吧。為什麼會是ORR呢？如果你沒有反應過來的話，我只能推測你是做納米合成的（原諒我確實不懂納米人的心，我只是個做催化的，納米合成這個方面太弱了。我猜你想看這篇文獻可能是想學習可控合成的技術吧）；如果你是做電催化的，還沒有反應過來，那麼，很不幸，你對這個領域的了解有很大的提升空間，小夥子，小姑娘們，文獻看起來吧。

知識普及: 在電化學中, 有很多有名的火山型曲線,其中Pt基ORR催化劑就有一條, 請閱讀Nat. Chem., 2009,1, 552,裡面會告訴你為什麼PtNi,特別是Pt3Ni有很好的ORR活性。

然後，如果你第一眼看到的是文章插圖，再結合題目裡面說的形貌控制，你就會知道這篇文獻一定討論的是PtNi nanoframes的合成。
知識普及2：在Nat. Chem., 2009,1, 552以及Science 2007,315, 493這兩篇文章中都有提到PtNi稜角原子的重要性; 而Science2014, 343, 1339-1343這篇文獻會告訴你Pt3Ni nanoframes的優異性能。

接著，在讀Abstract的過程中，我對這麼幾個東西很感興趣。a. DTAC; b. OA/OC;c. tetrahexahedral Pt?Ni NCs; d.transformation from NCs to NFs; e. ORR和MOR的性能。

我讀這篇文章的目的是什麼？1) 作者是怎樣控制合成的，DTAC和OA/OC有什麼重要作用？2)為什麼作者可以得到以前得不到的組成各向異性的tetrahexahedral Pt?Ni NCs?3)NCs到NFs是怎樣轉變的？4)NFs的ORR活性到底好到了什麼程度。

帶著這些問題去文章中尋找答案，看看作者是不是能夠說服你，如果可以, 佩服他，如果不可以，考慮有什麼可以改進的，或許這就是你的下一個課題。

好吧，其實我並沒有做過ORR，但是讀了這篇文章，我還是會有些問題，提出來跟大家討論一下，完成我的整篇文獻的閱讀過程。（個人覺得學會質疑是很重要的，看文獻不是看別人多麼牛，而是希望能夠學到東西讓自己也變得更牛）

疑問點：作者在計算NFs的specific activity的時候是根據NFs中的Pt的量來進行計算的。但是，從實際生產或者應用的角度來考慮，NFs的成本肯定也包括在酸處理的時候失去的那部分Pt。那麼，從NCs到NFs，到底損失了多少Pt?如果以NCs中Pt的量來算specific acitivity 又會怎麼樣呢？

以上純屬我個人的方式，不一定是最好的，甚至不一定是好的，大家有什麼更好的方法，歡迎交流分享，謝謝

本文轉自微信公眾號「研之成理」（ID:rationalscience）

我導師教育我們：
讀文獻讀那麼多有什麼用，關鍵是要多想。