看论文是有惯性的：读得越多越有收获感，但真正落到自己项目里的很少。原因往往不是论文不好，而是缺一套把结论变成可比较数据的流程。
我这两年把这件事收敛成一张表——不复杂，但明显减少了「重复试同一个东西」的时间。
复现难，难在信息不全
同一篇论文，两个人复现出不同结果，很常见。差别通常来自没写出来的那部分：数据清洗方式、随机种子、训练轮数的判断标准、评测脚本的细节，甚至框架版本。
这些不记在自己的台账里，三周后自己也想不起来。等到要写文档或者交接时，只能凭印象补，补出来的多半不准。
一次实验至少要记七件事
按行记，一行一次实验。我固定记七项：
| 字段 | 说明 |
|---|---|
| 编号 | 按时间递增，不要用语义命名 |
| 改动 | 相对上一次只改了哪一处 |
| 数据 | 数据集版本与切分方式 |
| 配置 | 关键超参，变动项标出来 |
| 指标 | 主指标加一个验收指标 |
| 成本 | 训练时长与算力开销 |
| 结论 | 一句话：留下还是放弃 |
编号用递增数字看起来笨，但它的好处是不可变——语义命名会在你改主意之后变得名不副实。
关键是一次只改一处。同时改三处，指标涨了也不知道是哪一处起的作用，最后只能重跑。
表格本身就是筛选器
记满一屏之后会发现，很多「新想法」在表里已经出现过，结论是没用。
我印象最深的一次是准备调一个损失函数的权重，翻表发现三个月前试过同一组参数，当时记录是「涨 0.4 个点但推理变慢，放弃」。如果没有这张表，我会再花两天走一遍同样的路。
表格的作用不是留档，是阻止自己做重复劳动。
从记录到可比
光记还不够，要让不同实验可比：
- 评测脚本固定成一个版本，改动单独说明
- 指标统一口径，比如都取同一批测试样本
- 随机性要重复几次取分布，不是取最好那次
最后一条尤其重要。单次结果好一点，很可能只是种子运气；跑三次看波动范围，才知道那点差距是不是真的。
还有一个实操细节：把「放弃」的决定也写下来。人容易在两周后重新捡起一个已经验证过不行的方向，尤其是它当时看起来很有希望。
一个人做和团队做的区别
一个人做实验，凭记忆也能对付一阵子，因为成本只由自己承担。团队一旦超过两个人，同样的事情立刻变成重复劳动。
这时候台账要加两列：谁跑的和为什么跑。前者避免两个人同时试同一个方向，后者让你三个月后还能判断这个结论是否仍然成立。
另一个变化是口径要写死在文档里，不能靠口头传递。常见的情况是两个人分别在跑评测，一个用全部样本、一个用过滤后的子集，然后拿着两组数字讨论谁的效果更好，其实根本没在比同一件事。
- 1先写假设这次想验证什么，一句话
- 2只改一处保证结论可归因
- 3跑固定的评测脚本和样本都不变
- 4记结论留下或放弃，附一句原因
结论：把「看过」变成「用过」
论文是选题库，不是答案。能沉淀下来的是那张表：它告诉你什么试过、什么没用、为什么。
读一百篇，不如把自己试过的二十次记清楚。
本文不构成任何技术建议，实验结论请以自身数据与重复验证为准。