带着五个问题读一篇论文

第一问：它到底想解决什么问题？

先用自己的话写一句问题定义：在什么条件下，为谁或什么系统，改善哪个具体量？暂时不要照抄摘要里的形容词。若一篇文章同时提出多个目标，就区分主要问题与附带收益。把问题说清楚，才能判断后面的实验是否真的回答了它。

同时记下题名、作者、年份、版本和原文链接。预印本与正式发表版本可能不同，引用某个结论时，应能回到实际阅读的版本，而不是只留下一个文件名。

列出作者明确给出的前提，例如数据来自哪里、样本如何筛选、模型能看到哪些信息、计算资源怎样限制，以及理论推导要求哪些数学性质。还要区分问题本身的约束与为了方便求解加入的假设。

看到一个很强的结论，可以先做一个反向检查：拿掉其中一个关键假设，论证的哪一步会失效？这能帮助理解结论的适用范围，也能避免把特定条件下的结果当作普遍规律。

把方法拆成输入、变换、输出，再找出真正变化的环节。新方法可能改变了目标函数、表示方式、约束、优化过程或数据处理；这些变化需要分别看待。术语记不住时，可以先画流程，再回头补符号。

比较对象同样重要。作者选择的基线是否解决同一问题？输入信息、调参预算和评估方式是否可比？如果几个组件同时变化，先记录整体结果，不急着把全部收益归给其中一个组件。

将理论证明、实验观察和作者解释分开写。一个证明可能只覆盖简化情形；一组实验可能只覆盖有限的数据与设置；对原因的解释还可能需要额外验证。图表中的差异，也要结合指标定义、样本量、重复次数和波动程度来理解。

一个实用办法是逐条对齐：核心主张对应哪张表、哪个定理或哪项实验？如果找不到对应证据，就把它记为待核实问题。没有报告某项实验，不等于已经证明它失败或成功。

结束阅读时，留下三个层次的记录：已经理解的结论、尚未看懂的细节、值得独立验证的问题。下一步最好具体到一个推导、一组对照或一段能够运行的最小代码。阅读笔记的价值，是帮助再次进入问题，而不是营造已经完全掌握的印象。