Lecture10&11#
这份文档是哈佛大学CS197课程的第十和第十一讲笔记，主题为“AI Research Experiences”，由Pranav Rajpurkar主讲。以下是对文档内容的详细解释和分析，以及相应的课程笔记。
课程概述#
目标：提供一套框架帮助学生生成自己的研究想法。
过程：从阅读单篇研究论文开始，识别研究中的空白，然后基于这些空白生成研究想法，并对这些想法进行迭代改进。
学习成果#
识别研究空白：包括研究问题、实验设置和研究结果中的空白。
生成研究想法：基于感兴趣的任务、评估策略和提出的方法来构建研究想法。
迭代改进想法：通过迭代过程提高想法的质量。
预备工作#
阅读材料：建议学生在讲座前阅读CheXzero和CLIP两篇研究论文。
识别研究空白#
研究问题：识别文章的中心研究问题和支持该问题的研究假设。
实验设置：检查实验设置中的潜在不足，包括方法评估和比较选择或实施的方式。
表达的局限性：通过结果和讨论部分寻找作者明确或隐含的局限性。
研究想法生成框架#
改变感兴趣的任务：将主要思想应用于不同的模态、数据类型、任务或改变感兴趣的结果。
改变评估策略：在不同的数据集、使用不同的度量标准进行评估，或理解为什么某些方法有效或失败。
改变提出的方法：改变训练数据集、预训练/训练策略、深度学习架构或问题表述。
迭代研究想法#
搜索想法：检查你的想法是否已经被尝试过。
阅读相关工作：阅读相关领域的重要文献和后续工作。
专家反馈：从领域专家那里获取反馈。
课程笔记#
研究想法生成：学习如何从研究论文中识别空白并生成研究想法。
识别研究空白：分析研究问题、实验设置和研究结果中的潜在不足。
研究想法框架：通过改变任务、评估策略和方法来构建研究想法。
迭代改进：通过搜索、阅读和专家反馈来迭代和改进研究想法。
预备阅读：在讲座前阅读指定的研究论文，以便更好地理解示例。
实践练习：应用提供的框架来识别CLIP论文的空白，并生成扩展想法。
通过这些笔记，学生应该能够对如何从现有研究中识别空白、生成和迭代自己的研究想法有一个基本的了解，并能够开始应用这些框架来提高他们的研究创新能力。