参考https://new.qq.com/rain/a/20210203A0CTR400 很多时候光努力不够，方向更重要。新手如何选博士几年的topic，有两个问题值得思考：
能不能快速上手？ 有几个简单的评判标准：
1.state-of-the-art的paper有没有开源的代码？目的是你能迅速复现baseline，熟悉整体pipeline（如怎样预处理，后处理），加深对实现和细节的理解
2.有没有对这个topic有hands-on经验的师兄，或者community里面approachable的前辈？目的是，当你遇到实现上的细节问题，可以及时咨询和得到反馈
3.这个topic有没有比赛，或者标准的benchmark？目的是，有大家已经定义好的数据，实验setup，评价标准；这样，你有可以直接比较的baseline，outperform baseline的时候也容易被人认可
4.能不能有大的impact？ 这里我指的是博士期间的大方向，由一系列单项的工作或者paper构成。单篇paper通常有三种类型：（1）First work：开创了一个topic，比如RCNN于object detection（2）Last work：基本解决了一个topic，比如Faster-RCNN，YoLo于object detection（3）Improve类型，介于First和Last之间的。
5.Last很难，Improve常见但影响力不够深远，对于新手而言，博士的早期工作，在有能力做出来和有impact之间的trade-off比较好的，估计是First了，不一定非要是第一篇，只要是某个topic里面开创性工作的那一批之一，都是不错的。这个早期工作之后，你会对这个问题哪里要改进，有很清楚的认识，因为improvement room大，也会有很多ideas。同样，早期的时候怎么选这样一个topic呢：相关的比赛是这一两年新开的吗，相关的benchmark是这一两年出来的吗，上面的结果提升空间大吗（现在是20%还是已经80%了）？
参考https://blog.csdn.net/z2876563/article/details/113824717
了解科研的圈子。论文不是在真空中发表的，论文是一个圈子内部不断进行的对话的一部分。了解这个圈子，即它的参与者，已有的工作、术语等。你必须知道你在和谁交谈，以及如何与他们交谈。思考大问题。你不应该试图解决容易解决的问题。专注于解决大问题，即使你最终采取的是小步骤的解决方案。有很多论文中的想法只是前人工作的简单扩展。虽然这些论文可能会发表，但通常不重要。尝试关注大问题，而不是对以前的工作进行渐进式改进。不要杜撰问题。提出新的问题是极好的，但要确保它是真正的问题。如果你不能想到至少三个这个问题的例子，那么它可能不是一个真正的问题。换句话说，不要拿出锤子，然后去寻找钉子。要学会如何根据实际存在的钉子来设计或者创造锤子。 从写作开始。当你有一个想法，首先写下来。在写任何代码之前先在纸上详细说明。这将有助于暴露问题和充实细节。这在处理数学问题时特别有用。在写任何文本之前写一个大纲，以便明确你想要做什么。 学习什么时候该放弃。你可以从失败中学习，但前提是你在继续前进。如果你发现自己一再降低你的目标和期望，这说明你没有取得进展。学习什么时候该放弃，信任你的导师，他在这方面比你懂得多。 提问。不要害怕提问和寻求帮助——你会学得更快，并且比你试图自己解决一切更有效率。
总结：思考大问题，选有tate-of-the-art的paper有没有开源的代码？目的是你能迅速复现baseline，熟悉整体pipeline（如怎样预处理，后处理），加深对实现和细节的理解。这个topic有没有比赛，或者标准的benchmark？目的是，有大家已经定义好的数据，实验setup，评价标准；这样，你有可以直接比较的baseline，outperform baseline的时候也容易被人认可。