**作者：王鸿伟
链接：https://www.zhihu.com/questio...**
这其实是一个很值得思考的问题。一般而言，一次科研的流程图是这样的：
当你发现现有办法存在能够改良的中央之后，你就要提出你的新模型了。有了新模型，你能够走application的路线：写代码 -> 跑试验 -> 调参数，也能够走theory的路线：进行实践推导、证实性质、证实bound...在大部分状况下，一篇论文是model、theory和application三者的联合，所以会有两头的穿插虚线的存在。你可能会在图中的循环局部一圈一圈地绕，一直地改良模型、改良实现、试图证实一些论断，最终诞生出一篇论文。
那么回到原问题：发论文是先有idea再做试验，还是先做试验再有idea？如果这里的idea指的是model，那么你必定必须要先提出一个model，能力写代码和跑试验的（哪怕这个model是非常简单的、甚至是不work的）。如果这里的idea指的是theory，那就要看你的论文是哪种格调的了。
其实，不论idea指的是什么，idea和试验都是在重复迭代中不断改进的。如果你过分强调其中任何一点都会有问题：如果你先开始思考的是试验发现baseline的有余，而后在baseline上改良，发现试验成果好，而后就开始写论文，那么你的idea很可能创新性有余或者无实践保障（即heuristic），容易受到审稿人攻打；如果你先开始思考的就是酷炫的模型、丑陋的性质，那你的模型可能真的就不work，就是跑不过baseline。这其实也是大家当初搞机器学习碰到的一个难堪的场面：花哨的模型不实用，有用的技巧却摆不上research的台面。不过，话说回来，一个即难看又好用的model原本就是宽广researcher一辈子的谋求。对于研究生而言，能做好其中一点，就曾经十分不错了。
**作者：令狐诗楠
链接：https://www.zhihu.com/questio...**
大略是这样的吧
真正的科研过程素来都是非线性停顿的过程，尝试很多、但播种可能并不对等，不过idea和试验往往是螺旋式互相促进的，总须要有试验验证idea，idea又能从验证的试验中生发进去~
图转，侵删~
本文由mdnice多平台公布