如何做好研究：研究不是天赋，而是一套可以训练的习惯

---
title: "如何做好研究：研究不是天赋，而是一套可以训练的习惯"
source_url: "https://x.com/itsreallyvivek/status/2064686372737454155"
published_at: "2026-06-11"
language: zh
---

> 本文基于 Vivek（@itsreallyvivek）的《How to be good at research》整理，英文原文和中文译文链接见文末。

# 如何做好研究：研究不是天赋，而是一套可以训练的习惯

没人真正教过我们如何做研究。

大多数人进入实验室时，得到的是一张桌子、一个别人选好的问题，以及一句模糊的嘱托：“做出一点新的东西。”于是，我们只能从论文、发布会和社交媒体上的解读中，反推研究者究竟在做什么。久而久之，很多人学会了如何“看起来像个研究者”，却没有学会如何真正做研究。

事实上，研究并不是神秘的天赋，而是一系列可以刻意训练的小能力。

首先，要学会**选择自己的问题**。Richard Hamming 曾反复追问同事：“你们领域最重要的问题是什么？那你为什么不去做？”令人尴尬的是，大多数人答不上来。我们习惯于接受导师、热门论文或大实验室替我们挑选的问题，却不知道这些问题为何重要。当所有人都追逐同一个方向时，你面对的往往是一场注定落后的竞赛。与其寻找“别人觉得重要”的答案，不如先问自己：有没有一个结果，是你真心希望它存在？然后再倒推，需要怎样的实验才能抵达那里。真正关心的问题，往往会把你带到综述论文覆盖不到的地方。

其次，**升级你的输入**。如果所有人都读同样的热门论文、看同样的解读帖，最终得出的想法也会高度趋同。许多被奉为前沿的概念，其实几十年前就已有雏形：很多旧论文、跨学科知识和被遗忘的演讲，常常比最新热点更具启发性。真正有价值的研究者，会主动拓宽信息来源，甚至把注意力放在论文附录和 limitations 上，因为那里往往藏着作者最诚实的思考。

第三，**把一切写下来**。很多想法停留在脑海中时，看起来天衣无缝；一旦落到纸上，漏洞便无所遁形。Paul Graham 曾指出，写作会暴露那些未经检验的假设。Darwin 更是会记录所有与自己理论相矛盾的证据，因为他知道，人最擅长欺骗的对象正是自己。保留研究日志：假设是什么、预期如何、结果怎样、判断为何改变。几个月后重读这些记录，你不仅能看到成长，也会重新认识自己的偏见。

第四，**缩短反馈循环**。优秀研究者与普通研究者的差别，往往不在于谁更聪明，而在于谁更快发现自己错了。把实验做小、让复现变简单、让结果一键可视化，在投入大量资源前先验证最小版本。很多所谓“灵光一现”，其实只是建立在大量快速试错之上的产物。研究速度，某种意义上，就是发现自己错误的速度。

第五，**盯着输出，而不是指标**。一条漂亮的 loss 曲线无法告诉你模型为什么失败。真正值得研究的，往往是那些失败案例、异常输出和数据中的奇怪角落。Andrew Ng 长期坚持一个简单方法：随机抽取一批失败样本，逐条阅读、分类，再优先解决最大的问题。比起准确率多出几个百分点，一次真正理解失败原因的机会更有价值。

最后，**把研究当成一场长期游戏**。保持好奇，主动游荡于不同方向；公开分享你的工具、复现和半成形的想法；寻找那些愿意提前指出你错误的人。知识、判断力和合作关系都会像复利一样积累。多年后，外人眼中的“好运气”，往往只是无数微小习惯长期叠加的结果。

Pasteur 曾说：“运气偏爱有准备的头脑。”而真正的研究，也许从来不是等待灵感降临，而是在一次次提问、记录、修正与试错中，慢慢把自己训练成那个更接近真相的人。

> 原文：https://x.com/itsreallyvivek/status/2064686372737454155 ｜ 译文：https://kn.dingzhihao.org/view/raw/how-to-be-good-at-research