https://www.zhihu.com/question/384512106/answer/1630268431

我觉得一些重要的训练和大致对应的时间。具体执行上因个人长处、短处而异。

这里，在“读研阶段”没有把硕士和博士分开。时间线是按香港政府建议硕博连读四年来订的，每格一学期。当然实际上由于北美博士是五年，因为找工作竞争力原因我们这边也经常读五年。但是规划时间上，预备出提前量也是好的。我通常也会邀请同学过来做本科论文，这样再多点提前量。

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。

作者：anthonyll
https://www.zhihu.com/question/384512106/answer/1861908681

• 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。

作者：顾实
https://www.zhihu.com/question/384512106/answer/1141099162

我认为完整、全面的科研训练主要分为两个方面，一方面是培养具体做研究的能力，另一方面是锻炼管理学术生活的能力。这些训练有些是导师给你的，有些是要靠自己努力的。

具体做研究的能力比较直观，即解决问题的能力，可以细分为如下部分几点。

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。

1）长期规划的能力，知道自己需要提升哪些方面的能力，并持续努力。

2）选题的能力，深入了解相关领域的发展脉络与未来方向，结合自己擅长的点规划出适合较长时间努力的方向，导向为研究角色的转换和写本子。

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。

看了下其他答主的回答，很多事情其实大家不是不知道，而是做不到，因此最重要的一点还是有计划地去坚持提升……

作者：王源
https://www.zhihu.com/question/384512106/answer/1160420425

工科博士刚毕业半年多，只能是结合自身经验聊聊这个问题，相信博导教授们应该对这个问题有着更好的理解。那么我个人的经验主要是针对传统工科而言的，理科文科什么的我也不是非常了解就不一定适用了。

1、良好的数理基础

无数次的实践证明没有良好的数理基础很多时候你的研究走不深。如果你数理基础薄弱在短期内也可能做出一些好的成果，但是长远来看研究的深度和持续性高质量原创输出是很难的。这也是为什么我们经常看到很多大牛本科出身是数学系的。数学系四年的高强度训练对以后做研究是非常有益的，其实像工科领域用到的所谓“很难的”数学基本上95%的情况不会超过数学系本科范围。

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

我们身处在信息时代计算机的时代，编程能力毋庸置疑是非常重要的。我这里谈到的编程实践能力不单单指你能把算法写成代码就完事了。如何设计出高效的代码？如何让你的代码更加健壮？如何让你的代码更加易懂易用？大多数工科非计算机的学生在编程上还是比较浅尝辄止的，因为单就发论文而言很多时候是不需要很高超的程序设计能力，只要能把算法运行起来就行。这样做确实在短期内是完全没有问题，而且就短期来看是非常省事省力的。

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

前面2条是比较一般的那种能力，作为博士你需要在一个小领域内能够非常拿得出手。在这个小领域内你是非常非常自信的，你一出手就是碾压的存在。这需要你对这个小领域内经典paper和近期前沿的paper都非常熟悉，而且自己也动手实践过。这个小领域其实基本上就是你发paper的点了。

4、讲故事的能力

前面三条就是硬功夫，从这条开始就是软功夫了。讲故事的能力包括 如何在写paper的时候把你的highlights提炼出来，让审稿人能够认可你的创新点。如何做好各式各样的presentation，在有限的时间内清晰地表达出你的工作。如何向外行，大同行，小同行来介绍你的工作，能让不同的观众对你的研究工作感兴趣。

5、一定的social能力

学术圈是一个相对封闭的圈子，你逐渐会发现这个圈子来来回回就那么些人，这一点和业界比是一个非常不一样的地方，业界你可能需要每天接触不同圈子的人。所以在学术圈里混是需要一定的混圈子的能力的。

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

博士阶段绝大多数人都会遇到瓶颈。例如：导师完全放养不知道研究方向是什么？写了第一篇文章发给导师被骂写得是什么垃圾。投了文章被审稿人拒稿，感觉自己做的研究没什么意义，博士进入第三年或者第四年还没有发出paper整天焦虑的不行，看到和自己一起入学的同学发paper的发paper，准备毕业的准备毕业，自己什么进展也没有就更加焦虑到不行。

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。，

作者：休斯顿菜花
https://www.zhihu.com/question/384512106/answer/1133915947

1、搜索阅读提炼文献的能力。看文章速度慢，提炼文章重要内容速度慢，理解能力差，怎么能在更新快的科研领域里跟上节奏呢。

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。

作者：哆啦A梦
https://www.zhihu.com/question/384512106/answer/1136400653

完整、全面的科研训练？”不如换种说法：“如何学到流水线似的水文章的技能。”

很简单，我来给你总结一下吧：

1、关注“前沿”，此“前沿”并非真正需要研究的，真正有价值的“前沿”，而是各路“水军”关注的，期刊编辑喜好的“前沿”，“楚王好细腰”嘛！第一步走对了才能获得“水军”的引用嘛。

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！！

作者：Leslie Young
https://www.zhihu.com/question/384512106/answer/1148345087

我就从宏观上再补充一点吧，我觉得，博士期间需要接受的是一种思维方式，一种靠自己把一件事情从0做到1的思维方式，这种思维方式的训练，我觉得是全面、完整的科研训练的内核。

我们老板经常挂在嘴边的一句话，翻译成中文是：如果你是一名成功的博士，理论上来说，你可以在任何方面取得成功。

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。

但是我真的觉得这个思维才是我读博期间最大的收获，而非我发的论文以及参加的会议等学术成就，如果你有机会，一定记得在这个方面训练自己。

最大的好处就是，如果有一天学术圈告诉我它不要我了，我并不害怕，因为我还是相信我老板说的，我也可以在其它方面成功的。

作者：零度君
https://www.zhihu.com/question/384512106/answer/1145153703

很多同学还有前辈们都提过了，学会看文献、学会科技论文写作、学会设计实验。

但是我觉得还有一点很重要，就是学会不断的把新技术新方法科学的应用在与自己相关的领域。

比如数据处理。Python、matlab以及其他软件大行其道的当下，很多同学还是能用最基本的人工计数法来处理统计问题。这样一是统计口径不稳定，二就是费时费力。

-结束-