论文解读方法论

阅读框架

• 问题与贡献：论文解决了什么痛点，核心贡献点是什么。
• 方法细节：模型架构、损失函数、数据处理、实验设置。
• 对比基线：选择了哪些基线，是否公平、复现成本如何。
• 结果与消融：主要提升来源，是否经得起消融验证。
• 局限与风险：数据偏见、可扩展性、算力成本、安全性。

速记模板

标题：
动机：
方法要点：
关键公式/模块：
实验设置：
结果亮点：
局限与改进方向：

解读技巧

• 先看图表与 ablation，确认提升来源再回溯方法。
• 关注数据与训练细节（batch size/ctx length/optimizer），很多提升来自工程调优。
• 结合开源实现与 issue，验证复现难度与坑点。
• 对比同类工作（如对齐、检索增强、推理增强），总结适用场景。