LAMDA-NeSy/Research-Starter-Kit
LAMDA-NeSy/Research-Starter-Kit has 9,873 GitHub stars and 368 forks. GitHot measured +33 stars in 24 hours and +600 in 7 days. Last checked 2026-11-07 16:47 UTC. Last push 2026-09-01.
Comment ces chiffres sont mesurés
Apprenez les bases de la recherche et de la rédaction d’articles scientifiques en partant de zéro.
Progression mesurée des étoiles
- in 24h
- +33
- in 7 days
- +600
- in 15 days
- Historique en cours
- in 1 month
- Historique en cours
Variations nettes sur des périodes qui se chevauchent, pas des totaux quotidiens. Les mesures absentes restent vides. Les étoiles indiquent l’intérêt, pas la qualité.
README.md
Original
科研入门指南:从0开始,掌握做科研、写论文的基本流程
面向刚进入课题组参与科研工作的同学,帮助大家快速建立对科研的基本认识,了解如何做科研,如何写论文。
为什么做这个项目
大家好,我是郭兰哲,南京大学智能科学与技术学院准聘副教授,博士生导师,主要研究方向是:智能体(Agent)、世界模型(World Model)、大模型推理(LLM Reasoning and Planning)、神经符号学习(Neuro-Symbolic Learning)、表格数据大模型(Tabular Foundation Model)。
每年都会有新的研究生入学,也有不少本科生希望提前进入课题组参与科研。对于刚开始接触科研的同学,我们常常需要反复讲解一些基础问题:什么是科研,如何开展科研,如何查找和阅读论文,如何判断一篇论文的价值,如何发现问题、提出 Idea,以及如何准备第一次投稿。与此同时,也有一些同学可能处于被放养状态,缺少系统性的指导。基于这些原因,我们决定将关于科研入门的一些基本认识和经验整理成文档,希望能为刚开始科研训练的同学提供一份可参考的指南。
这个项目仍处在早期阶段,后面会持续的更新与完善,也欢迎大家通过留言、邮件等方式提出你的建议或者你想看到的内容。
如果你觉得这个项目对你有帮助,请点亮右上角的⭐️Star⭐️!谢谢😃😃!
适合谁阅读
- 刚进入实验室或课题组的本科生、硕士生、博士生
- 第一次参与科研项目的同学
- 希望系统化梳理科研工具链与工作习惯的新成员
- 开始带新人做科研的导师、博士生
📖 手册:如何做科研与写论文
📄 如何写论文?
杂项
- 🧳 学术会议参会指南
- 💰 有哪些能申请的奖学金
- 🤖 AI 辅助科研的一些tips
致谢
项目得到了陈煜旸、葛凌岳、张逸凯等同学的帮助,也借鉴了以下相关资料:
Explorer des projets similaires
sindresorhus/awesome
😎 Listes Awesome sur toutes sortes de sujets intéressants [NOTE : les pull requests sont temporairement désactivées jusqu’à ce que j’aie l’occasion de rattraper celles qui existent déjà]
533,303 étoilesEbookFoundation/free-programming-books
:books: Livres de programmation librement disponibles
401,230 étoilesnilbuild/developer-roadmap
Feuilles de route interactives, guides et autres contenus éducatifs pour aider les développeurs à progresser dans leur carrière.
371,498 étoilesvinta/awesome-python
La liste de référence qui répond à « Je veux faire X en Python : quel outil dois-je utiliser ? ».
333,262 étoiles