知乎热议！一个博士生接受怎样的训练是完整的科研训练？

如果研一的同学本科没有本专业科研经验，我一般会先给两个简单题目，这样，所谓科研训练中基础的部分就差不多了。剩下都是进阶的，没有上限，可以不再受基础科研训练的困扰和毕业压力限制，尽量发展。

• 看文献，能初步判断别人论文的质量高低和表达水平；
• 能知道所在课题组的研究方向和长处所在；
• 结合导师给的研究方向，能提出具体技术路线并迭代完善研究方案；
• 知道如何掌握研究进度，能大致判断一个研究课题需要哪些结果，何时告一段落；
• 能完整写出论文初稿（英文写作最好），知道科技写作的规范；
• 能看明白审稿人意见，在回复上能避免牛头不对马嘴或者反向理解；
• 会做15分钟以上的学术报告，在自己的研究课题上不会被无理提问带歪；
• 博士期间工作成果能形成3篇以上论文的素材并在答辩前发表2篇；
• 博士学位论文完整而无严重漏洞。
• 上课不重要，成绩不重要。

1）进行针对性学习和有效入手的能力。博士研究很多时候是新课题，不太可能从头开始学习所有知识，这个时候进行选择和平衡就非常重要了，一方面要有宽厚的整体基础，一方面要在具体的研究点上有所突破，并且要在一定的时间内完成。

2）进行问题拆解与关联的能力。这一点比第一点稍微难一些，也算是科研开始上路的标志吧。这一步的目标是掌握把未知的问题转换为能解决的方案的能力，并掌握和熟悉常用的研究范式。

3）展示和说服的能力。文本层面，学术写作（含作图）既是一种能力，也是一种思维习惯，简洁有逻辑的陈述需要长时间的训练与总结。非严格文本层面上，如何与导师、同行、合作伙伴进行基于不同目的的高效交流，也是一项重要的能力。

管理学术生活的能力的话，则主要针对想要在学术圈长久发展的博士，包含如下几点。

3）社交的能力，努力做到让别人了解和欣赏自己的工作，并建立关联，拓展研究的边界。影响力的构建是一项复杂的工程，我自身也还在努力学习和提高的过程中——俗称混圈子。

1、良好的数理基础

我个人本科自动化专业，数学基础也很一般，在博士阶段头一年就意识到数学的重要性，于是博士阶段头三年都会刷一些数学系本科的课程。目前把数学分析，实分析，应用泛函分析，线性代数，拓扑学，常微分方程，统计推断都刷过了，像抽象代数，微分几何，数论这些自己暂时用不上就没刷。即使是仅仅刷了一部分数学系本科课程，而且自学也赶不上科班出身的那么扎实，但已经让我获益匪浅了。至少对比大多数工科生，你会发现自己看问题的深度往往比他们深，同时你掌握了基本的数学知识后和大牛们沟通起来障碍也小了很多。

2、良好的编程实践能力

但某一天你打开1年以前自己编的代码的时候，你就发现自己竟然看不太懂了。这是因为没有文档和注释，当初编程时也未考虑到程序的易读性。糟糕的设计模式也使得当你想稍微改进一下算法的时候想要复用以前的代码变得异常困难，只好把以前写过的代码又重新再返工一遍。至于想把自己的工作传承给师弟师妹们的时候也变得异常困难（你自己过1年都看不懂更不用说让别人理解你的代码），所以后面的师弟师妹们又不得不重新再来一遍。大量的时间浪费在了无意义的重复中，自然对前沿方向的探索就时间不足。

好的研究是站在巨人肩膀上的，好的研究是需要继承的。这个继承我个人理解是来自两个方面：一个是继承别人的，一个是继承曾经的自己的。

3、至少有某一个小领域，你能站在世界前沿水平

4、讲故事的能力

5、一定的social能力

那么怎么样去在学术圈社交呢？在学术圈社交的先决条件是你自己先得具有相当的学术能力，所以对低年级博士来说首要任务是多发高质量paper，提升自己的能力，而不是搞所谓的社交。只有你具备相当能力后别人才会来和你进行平等的学术社交，否则只能是单方面跪舔或者单方面施舍。高年级博士生在学有所成的基础上可以刻意的进行一些学术社交活动，拓展自己的人脉关系也是非常好的。

6、能及时调整自我心态

这些事情或多或少在读博过程中都有经历过，读博是需要坐住冷板凳的。在坐冷板凳的时候你是需要有一个调整心态的方式的，不然真的可能就是彻底的凉凉了。我的方式是每周和要好的博士同学打打羽毛球，然后一起泡澡，一起约个饭什么的。通过这个途径大家在心理上都有一个交流和释放的平台，而运动之后再洗个澡在生理上会让人进入一种比较舒服的状态。当然每个人有不同的方式，但是你一定需要一个途径去排遣你的压力。，

2、Critical thinking 的能力。能理解并客观看待别人做文章的好坏，并且吸取为自己所用。

3、实验设计能力和执行力。这个更多是指这个学生如何能独立完成实验设计以及相应的实验。遇到问题如何解决，对自己的课题了解程度有多少，以及知道为了完成课题需要的实验等。这个是我认为最难的一个。因为有大多数博士都是老板让做啥他去做啥， 不会考虑太多为什么要做这个，这个做了能不能说明问题。其实老板很多时候也不知道要做啥。所以， 自己的独立能力很重要。看足够多的文章，有想法会很大程度上让老板跟着你的思路走，就算老板有意见冲突，你也可以尽快做出东西让他闭嘴。很多时候老板是有想法但是并不够细节化，所以如果这个时候学生也没啥想法，就会出现实验没少做，写文章的时候很多实验都写不进去同一个文章的状态。然后又得补实验。所以说，不停为问自己为什么，增强对课题的理解能力是能尽快做完的前提。

4、最后就是写作能力和表达能力。能做不会写不行，以后基金都写不出来。能些不会讲也不行，以后申请基金也难。

具体貌似就这么多，简而言之就是，能不能自己看文章想出来一个课题，然后设计实验完成他并发表论文。中间如果有问题，能不能自己独立解决。能完成这些的人，基本博士也就差不多了。毕竟等你博士毕业以后做博士后的时候，你老板跟你说我要个猪， 至于在哪，怎么打，打多少，打不着怎么办，打着了又怎么办都得靠你自己。

2、摸清此“前沿”的套路，诸如一种新的方法，换种材料做各种测试然后“水文章”；或者在诸位“大佬”“文献经典”的基础上，换一种算法来证实“大佬”的正确性；或者是做一点微扰啊，换种势场啊，去算一算新势场下的解啊，之类的；更“牛”的是直接走向“一般化”，走向“抽象化”，把“大佬”的“文献经典”用更“一般“的语言再说一遍（这一点要学习布尔巴基学派的作风）。

3、最重要的是这步，第2步所做一切的结论，都要尽一切可能“坍塌”到已有的坚实可靠的数据或者“大佬”的各个结论上去，正如火爆一时的“超弦”也是尽一切可能的，哪怕要各种“compactification”，也要靠到量子场论的大山上去，不然没人信服嘛，所以这一步很重要，最好的方式是你已经知道了结论，然后换种抽象的算法，从这种更为抽象的算法又得到了“你已经知道的结论”，外人看起来你好牛逼，你居然能从这么抽象的理论中这么general的得到“已知的结论”。题外话：“我感觉说的好绕口啊”。

做完了以上3步骤，不愁没人来CITE你的结论，因为同吃一碗饭，你CITE他，他CITE你，才有大家共同的饭碗。至于“真正重要的东西”？什么？那只是存在于堂吉诃德似的脑海里的根本不存在的事物，管那些干啥？干杯！！

Well。大牛就是不一样。所以我读博期间一直以培养这种靠自己把事情从0做到1的思维为内核的目标。

当然现在大陆的现状是老师的权力太小（不能随便根据自己的意愿开除学生），而学生的应有权力同样得不到规范性的保障（导师让你干嘛你基本就要干嘛，没有说不的权利，即使要求非常过分），这就导致了一方面好的导师没有安全感，必须盯着学生做事情，有的导师甚至细化到学生烧个炉子都要汇报，因为怕学生耽误了老师的研究浪费了研究经费，而自己却无能为力。而另一方面，学生很多意愿不敢表达，可能一个idea出来导师说一句隐晦的负面评价，学生会直接放弃这个idea，而没有和老师argue的权利。

所以，很多认忽视了这种能力的培养。

点个在看 paper不断！