世界很大，26岁很年轻。如果你读了这么多年书都博士毕业了还来问「26周岁年龄是不是很大」那我真的要怀疑你是在搞笑还是这么多年的书都白读了。衡量一个人的价值和品质，从来不是用这个人的年龄。何况26岁本来就不是一个很大的年龄。&br&&br&你读到博士毕业读到26岁却仍然对前途迷茫毫不自知，甚至连将来要做什么都需要来问别人，而且补充说明里一点解释也没有……难倒你是准备别人完完整整地给你剖析未来讲解这个世界的经济趋势吗？&br&&br&你该有自己的主见。你读了这么多年书，应该知道自己考虑自己的未来。就算去问别人，也好歹告诉别人你的基本条件，好歹让别人知道一点你的基本志向，而不是完完全全一张白纸，等着别人来指点江山。&br&&br&博士，26周岁。不管是自己做决定，还是来咨询别人，请让我们觉得你配得上这两个标签，我们才能更好地给你一点意见。
世界很大，26岁很年轻。如果你读了这么多年书都博士毕业了还来问「26周岁年龄是不是很大」那我真的要怀疑你是在搞笑还是这么多年的书都白读了。衡量一个人的价值和品质，从来不是用这个人的年龄。何况26岁本来就不是一个很大的年龄。你读到博士毕业读到26岁…
对于最初接触英文文献的人来说，要解决的问题是“&b&怎样边读边想&/b&”。理论写作使用的英文通常大词长句连篇，生手不得不将注意力集中于读懂字面意思上，而无法像读中文理论那样随时连贯思考，导致读过和没读的感觉差不多。&br&解决方法：&br&1、读完每一段后用中文&b&完整翻译&/b&出最重要的一句话，如果实在把握不了，重点往往是首句或者末句。写在这一段旁边空白处。&br&2、每读完一节，将所有翻译出的句子整理一下，寻找其中的思路和脉络，结合自己的想法写一段笔记。&br&3、读完全文，将所有笔记复习一遍，找出其中不懂或者不连贯的地方，回去重读出问题的段落，修改笔记。&br&这样的英文文献读书笔记才是非常有用的，既梳理了自己的思考，也方便随时查阅每一段的主要内容。@Sah Lee 提到的post-it的确是利器，读书必备。
对于最初接触英文文献的人来说，要解决的问题是“怎样边读边想”。理论写作使用的英文通常大词长句连篇，生手不得不将注意力集中于读懂字面意思上，而无法像读中文理论那样随时连贯思考，导致读过和没读的感觉差不多。解决方法：1、读完每一段后用中文完整…
&a data-hash=&b09ea18dcf0c0& href=&/people/b09ea18dcf0c0& class=&member_mention& data-tip=&p$b$b09ea18dcf0c0&&@chenqin&/a& ， &a data-hash=&6ab27abb8c& href=&/people/6ab27abb8c& class=&member_mention& data-tip=&p$b$6ab27abb8c&&@徐惟能&/a&的答案已经很详细了，我看到有人提及了黑天鹅，觉得很有意思，所以也就班门弄斧说两句。必不可少的个人声明：一，我是偏题党；二，我是懒得查资料党，想到什么说什么，all errors are mine。&br&很多人认为所谓做经济做金融研究就是抓出两组变量，加上不少控制变量，然后做个回归，如果统计显著，那太完美了，又完成了一个新的研究。然而这样的研究本身就是有问题的。在做研究的时候我们往往需要问自己这样一个问题，我们想研究的是什么，为什么要抓出这样的两组变量，背后的理论依据是什么。很多时候，我们应该辨析清楚什么是data mining，什么是真正的经济学研究。不讲theoretical的东西，如果仅局限于empirical research，我们往往要做的是根据一个已知的理论，运用现实的数据去证实该理论是否成立或有效。任何没有理论依据的没有理论支持的研究都可能被人找茬说是在data mining。&br&回到黑天鹅的话题，我很喜欢的一个研究者叫Taleb，他写了一本书叫做《黑天鹅》，销量很好，引起轰动。根据他的想法，很多现在现行的金融模型，经济研究都是垃圾，都是没有任何价值的东西，而问题的根源在于平均斯坦和极端斯坦。&br&首先什么是黑天鹅理论，如果我看到了一万只白色的天鹅，我能不能得出一个结论说世界上所有的天鹅都是白色的呢？只要我看见一只黑天鹅，那我之前的理论就被完完全全推翻了，所以一个极端的observation如果它绝对的极端，能导致整个理论系统的奔溃。&br&什么是极端斯坦和平均斯坦，平均斯坦是指一组变量是不具有突破性的；而极端斯坦是指一组变量具有突破性。举个例子，如果火星人来到地球，想研究一下人类的一些数据，比如人类有多高，于是火星人抓了一万个地球人，然后分别测量他们的身高，然后算出平均值，方差，最大最小等等。火星人得出的结论平均而言应该是有效的，因为身高这个变量是不具有突破性的，人类再高再高也不可能突破两米五或者三米，所以他们一万个随机选取的样本中哪怕混入了一两个极端的例子，最后的结论也不至于太离谱。这个是平均斯坦。假设火星人想研究一下地球人有多富，同样随机抓了一万个人调查财产状况，一不小心比尔盖茨君被抓进来了，这样所得出的结论就是完全不真实的。因为财富这个变量是有突破性的，你永远不知道一个人可以富到何种程度，所以如果有一两个极端数据被混入，那最后的结果将非常的biased。这个是极端斯坦。&br&然后回到为什么现行的金融模型都是垃圾的问题上来，首先，最主要的问题，金融资本市场是平均斯坦还是极端斯坦？至少我认为是极端斯坦。其次，很多模型都会对于一些变量进行分布的假设，通常假设正态分布，或者更严谨的态度是，抓个一组历史数据，然后去检验一下他们服从什么分布。然而他们真的是正态分布吗？说穿了，我们只不过是看了一组历史数据，然后用一个我们熟知的概率分布套了上去，他们真正的分布是什么我们并不清楚。所以这些模型的本身或许就不是这么的精确。然后，tail risk，就是极端情况。或许许多模型本身确实考虑了极端情况的发生，比如VaR，max one-day loss之类的，但是我们在乎的是极端情况的严重性而不是极端情况出现的概率，例如，在2008年之前许多投资者都知道整个金融系统似乎有问题，可能市场会崩盘，然后等金融危机真正发生了，他们垂头丧气说，我知道有危机，但没想到会这么巨大。同样的，我知道第二次世界大战可能发生和我知道第二次世界可能会死几千万个人哪个更重要呢？显然，极端情况的严重性大于极端情况的可能性。&br&其实，在做任何研究的时候，我们以为我们知道在做什么但是我们真的知道我们在做什么吗？概率分布，历史数据，计量工具，我们看似有很多东西，但是真正重要的还是我们的本身，如何去运用，如何去解读，如何去说服自己，其实我们知道的很有限很片面。
， 的答案已经很详细了，我看到有人提及了黑天鹅，觉得很有意思，所以也就班门弄斧说两句。必不可少的个人声明：一，我是偏题党；二，我是懒得查资料党，想到什么说什么，all errors are mine。很多人认为所谓做经济做金融研究就是抓出两组…
应该是”不是以追求学术或专研理论知识为目的的考研党都是二流大学生“&br&问问他们就会发现，多数是大学碌碌无为混到了毕业之际无路可走不得已而考研继续混日子。&br&一心专研学术的要么留学了要么保研了，技能掌握扎实的要么谋了好差事要么创业打拼去了，所以剩下的考研党基本沦为二流。
应该是”不是以追求学术或专研理论知识为目的的考研党都是二流大学生“问问他们就会发现，多数是大学碌碌无为混到了毕业之际无路可走不得已而考研继续混日子。一心专研学术的要么留学了要么保研了，技能掌握扎实的要么谋了好差事要么创业打拼去了，所以剩下…
来自子话题：
国内有的期刊就是犯贱，我是不想点名了，不但不想要本科生的文章，硕士研究生的都不要。&br&我还碰到过一个杂志说只接受副教授以上职称投稿，否则让我去找两封推荐信。&br&&br&怎么办，两个办法&br&1、不投这个杂志，换个杂志。（推荐）&br&2、把学历写成博士生，我的研究生有这么做的。
国内有的期刊就是犯贱，我是不想点名了，不但不想要本科生的文章，硕士研究生的都不要。我还碰到过一个杂志说只接受副教授以上职称投稿，否则让我去找两封推荐信。怎么办，两个办法1、不投这个杂志，换个杂志。（推荐）2、把学历写成博士生，我的研究生有这…
来自子话题：
用文献管理软件啊。。完全没有搜索，命名的问题了~&br&我用的是Papers，听说Mendeley也不错不过我不熟悉，期待用过的人来说下。&br&&br&简单介绍下Papers，内嵌的多种搜索引擎（我主要用Google Scholar）&br&&img src=&/07e68be5ccc3fdb0c6c7d098de24dacb_b.jpg& class=&content_image&&点开只要有权限就直接可以下下载到Papers里面，所有元文件比如题目作者发表日期杂志页数都在的，需要引用的时候直接从软件里拖出来&br&eg: &br&Malone and Hannon. Small RNAs as guardians of the genome. Cell (2009) vol. 136 (4) pp. 656-668&br&&br&查找的时候可以利用多种关键词，比如作者信息，甚至PDF正文里的关键词都可以直接通过简单的搜索找到eg:搜索small RNA&img src=&/2e57f742eca37cd788cc7f_b.jpg& class=&content_image&&&br&&br&不过我不确定这个软件Windows有没有，而且全功能版本是付费的。&br&Mendeley是免费的而且口碑很好，可以试着用下~&br&&br&下个好的文献管理软件吧~~不要想着命名的问题了，这种复杂的事情交给电脑就好了！
用文献管理软件啊。。完全没有搜索，命名的问题了~我用的是Papers，听说Mendeley也不错不过我不熟悉，期待用过的人来说下。简单介绍下Papers，内嵌的多种搜索引擎（我主要用Google Scholar）点开只要有权限就直接可以下下载到Papers里面，所有元文件比如题…
来自子话题：
谢邀。&br&&br&在我发第二篇文章时，我还是一开始写算式，最后才写Introduction和Discussion，后来当脉络出现问题时，便要重新改架构，浪费了大量时间。后来我的博导告訢我，其实技术细节都是其次，因为大部分物理文章的数学推导都是可用文字表述的，数学不如想像重要，但如果我一开始就写好Introduction，架构定好，脉络想好，那以后的改动也不会是大范围改动。后来我工作后，才渐渐明白这说话的深意。论文之所为「论」文，在于argue，不在于结果，结果和图表只是用来支持你的argument。也因为如此，应该是大概想到投到那期刊在决定内容了。&br&&br&另外，每读别人一篇文章，便纪录在BibTeX，要有固定的naming scheme，写文章时引用打\cite{....}即可。这也可以使自己更记得自己读过的文章。&br&&br&画图不要用Excel，用Mathematica、XMGR或R（用ggplot2包），如真的要编辑图，可用其他软件，如powerpoint（我本科的导师用Illustrator）。&br&&br&算式推导只需要显示模型和结果，或许需要点key step。实际如何，也许多看文章便有感觉，而且不同期刊的要求也不同。&br&&br&尽量用LaTeX。（当然也看institution要求，我所在的institute规定要用Microsoft Word。。。。。无奈。）
谢邀。在我发第二篇文章时，我还是一开始写算式，最后才写Introduction和Discussion，后来当脉络出现问题时，便要重新改架构，浪费了大量时间。后来我的博导告訢我，其实技术细节都是其次，因为大部分物理文章的数学推导都是可用文字表述的，数学不如想像重…
Sindy就只推荐一条，好用得一塌糊涂相见恨晚：（而且在天朝也不被墙，是穿了马甲的谷哥）&br&&a href=&/& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&http://www.&/span&&span class=&visible&&/&/span&&span class=&invisible&&&/span&&i class=&icon-external&&&/i&&/a&&br&注意选择“学术”&br&&img src=&/5da6f77e4be839b25ce7_b.jpg& data-rawwidth=&634& data-rawheight=&481& class=&origin_image zh-lightbox-thumb& width=&634& data-original=&/5da6f77e4be839b25ce7_r.jpg&&使用方法：&br&比如我们要搜“&b&非正常人类研究&/b&”，键入abnormal psychology
，回车。于是就出现了：&br&&img src=&/dfdea1105ecf176c8527b1d_b.jpg& data-rawwidth=&974& data-rawheight=&399& class=&origin_image zh-lightbox-thumb& width=&974& data-original=&/dfdea1105ecf176c8527b1d_r.jpg&&点击右列蓝色链接的获取PDF&br&得到的栗子：&br&&img src=&/4f91ca9edd39_b.jpg& data-rawwidth=&1084& data-rawheight=&675& class=&origin_image zh-lightbox-thumb& width=&1084& data-original=&/4f91ca9edd39_r.jpg&&&br&搞定。
Sindy就只推荐一条，好用得一塌糊涂相见恨晚：（而且在天朝也不被墙，是穿了马甲的谷哥）注意选择“学术”使用方法：比如我们要搜“非正常人类研究”，键入abnormal psychology ，回车。于是就出现了：点击右列蓝色链接的获取PDF得到的…
Q：把鼻，你会唱小星星吗？&br&A：考试考这个么？
Q：把鼻，你会唱小星星吗？A：考试考这个么？
来自子话题：
以前知乎上有个问题，上知乎会给人带来什么错觉？ 我觉得其中一个就是原来科研的人都是拿Google搜文章的。&br&&br& 难道你们实验室没有买各大出版社的授权么？没有内部文献检索系统么？再不济，也可以直接上IEEEXplore，APS，OSA之类的网站搜索啊。&br&--------------------------------&br&点反对+没有帮助的同学们，请看题好么？做题不审题的么？&br&PS:NIST入职培训的时候关于检索文献的内容可没告诉用google，也许是NIST本身自己的检索系统就挺好的吧。
以前知乎上有个问题，上知乎会给人带来什么错觉？ 我觉得其中一个就是原来科研的人都是拿Google搜文章的。 难道你们实验室没有买各大出版社的授权么？没有内部文献检索系统么？再不济，也可以直接上IEEEXplore，APS，OSA之类的网站搜索啊。----------------…
来自子话题：
历届美国总统，小布什智商倒数第二。所以你觉得他是自己努力考上耶鲁大学的？&br&&br&凯斯西储金融系硕士一年学费6万刀（2012年），美国家庭平均年收入3-4万刀。什么意思？穷鬼滚远！&br&&br&美国大学，SAT只是参考。其他的靠什么？拼爹，拼妈，拼家。当然，并不是说平民学生就绝对没资格。还是那个词：阶层。&br&&br&二战后几乎全世界都面临这个问题：阶层固化。尤其以日本，美国，欧洲为甚。中国还不算太过分。毕竟高考分数不占决定性地位就能上大学的人凤毛麟角。&br&&br&富豪子弟从小学到高中毕业，光学费就30万刀。&br&&br&除非有大的社会变革，否则阶层只会越来越固化。这是规律。&br&&br&这公平吗？不公平。这是常态吗？不好意思，他特么就是常态，而且越来越常态。&br&&br&能怎样？干好自己的事情，努力让你的子女在竞争中处于有利的阶层。做生意的努力挣钱，然后用钱把子女砸进Ivy；搞学问的努力提升行业地位，然后让一大票业界权威给你的子女写推荐信；当官的努力把自己变成敏感词，然后子女直接进清北。&br&&br&祝大家成功。
历届美国总统，小布什智商倒数第二。所以你觉得他是自己努力考上耶鲁大学的？凯斯西储金融系硕士一年学费6万刀（2012年），美国家庭平均年收入3-4万刀。什么意思？穷鬼滚远！美国大学，SAT只是参考。其他的靠什么？拼爹，拼妈，拼家。当然，并不是说平民学…
业内人士的自嘲而已，更常见的是&b&P&/b&ermanent &b&h&/b&ead &b&D&/b&emage，以及&b&P&/b&ig &b&h&/b&as &b&D&/b&ream。&br&&br&常见的还有：&br&SCI (Science Citation Index)——&b&S&/b&tupid &b&C&/b&hinese &b&I&/b&dea&br&EI (Engineering Index) ——&b&E&/b&nlarged &b&I&/b&diot&br&MBA (Master of Business Administration)——&b&M&/b&arried &b&B&/b&ut &b&A&/b&vailable&br&……&br&随便都能编出很多，一种乐趣吧。（教育学博士：你们玩，我先走了。。）&br&&br&我也来个，&b&M&/b&ental &b&D&/b&isorder的&b&M&/b&arvelous &b&D&/b&ick飘过，呵呵
业内人士的自嘲而已，更常见的是Permanent head Demage，以及Pig has Dream。常见的还有：SCI (Science Citation Index)——Stupid Chinese IdeaEI (Engineering Index) ——Enlarged IdiotMBA (Master of Business Administration)——Married But Availab…
你们都没说到点子上，我来解释给你们听。&br&&br&题主的疑惑其实在于“信息重复”的必要性。&br&&br&从信息传达上来说，所有语言都需要有一定的“冗余度”的。就是说，在传达信息的时候，语言需要把某些信息重复两遍或者多遍。题主说的这个例子就是这样，three表达了“多于一个”这样的信息了，然后复数s又将“多数”这个信息重复了一遍。题主觉得这没有必要。&br&&br&其实中文的信息冗余度也很大，只是没有像英语复数这样体现在词缀上而已。比如：&br&&br&1、三本书都不错。&br&“三本” 和 “都” 两个词都表达了多数的意思，这和题主的“three books”异曲同工，有木有？&br&&br&2、他跳高跳的不错。小明打篮球打的很好。小暗吃饭吃的很香。&br&这三句里面的“跳”、“打”、“吃”都是纯粹的重复，但是去掉了好像又不太好，题主您纠结吗？&br&&br&3、妈，我要尿尿。&br&题主是不是都不能忍了？尿出来的当然是尿了，为什么还要说出来呢？你看人家英语就只说 Mama, I wanna pee. 就可以了，中文好啰嗦。&br&&br&那么为什么语言不搞得简洁一点呢？为什么要搞重复信息？&br&一是、彻底的没有冗余信息，对语言来说没必要。因为不是多说几个字人就耗尽能量挂掉了。说话耗费的能量没那么多，没必要那么死抠门。而且人闲着没事就跑去侃大山了。多说那几个字真的无所谓。&br&二是、信息冗余一点的话能够更好的传达出去。一个信息出现了两次，那么万一其中有一次对方没有听清楚，也不妨碍对整句话的理解。如果语言完全没有冗余信息，那有一点点信息的缺失就卡盘，也不好吧。（这个在理工科里叫“鲁棒性”，有兴趣的童鞋可以搜搜看。）&br&&br&暂且想到这些。题主有时间可以搜搜“语言”+“冗余”这两个关键词。有好多语言学方面的专业论文也是谈这个的。我只是凭记忆随便写了几条。&br&以上。
你们都没说到点子上，我来解释给你们听。题主的疑惑其实在于“信息重复”的必要性。从信息传达上来说，所有语言都需要有一定的“冗余度”的。就是说，在传达信息的时候，语言需要把某些信息重复两遍或者多遍。题主说的这个例子就是这样，three表达了“多于…
谢谢邀请。第一次看到问题的时候写了一点，最后没发出去。因为自己不算什么有天赋的人，对天赋这件事情妄加评论似乎不好。这次认真回顾了一下题主的说明，因为题主的目标是全球前100的天文单位找到教职，那么这不是要得诺贝尔奖，只是想要做一个优秀的天文学研究者。我觉得还是可以说一点个人想法。&br&&br&首先天赋是个很难定义的事情。一般我们谈起天赋时说的大概是记忆好，反应快，理解快这些特征。但有两点很重要的天赋常常被忽略掉：持续的热情和思考的韧性。现在这个时代，无论中外，都倾向于把科学研究神话成只有天才（或者怪胎）才能从事的行业。这是非常荒谬的。&br&&br&极少的工作，比如广义相对论的创立，那确实是需要一点匪夷所思的天才。爱因斯坦在做这个工作的时候更像是一个魔术师，将空间几何和引力联系在一起。再比如林登贝尔提出类星体其实是吸积的黑洞，也多少有点灵光一现的感觉。这样的工作，即使对于非常聪明的理论物理学家，也是非常靠运气的，一生做不出几个。在天体物理领域，大多数的发现并不需要如此的天才。&br&&br&举例来说，哈勃算是天体物理历史上前三的大牛了。那么他最重要的工作是利用造父变星测量了仙女座大星云和其他几个星云的距离，确定了河外星系的存在，扩展了宇宙的边疆。但是造父变星周光关系并不是他发现的，造父变星测距是沙普利发展完善的，他只是拿来用。这个工作中他成功最重要的因素是他坚持守着叶凯士天文台持续的观测，和一点点运气。&br&&br&再比如利用超新星测距确定宇宙加速膨胀的美国科学家Saul Perlmutter. 他提出的这种方法并不是什么奇思妙想，反而是很自然的。真正的障碍在于超新星测距的观测实现和各种测量误差的修正。1988年，Saul Perlmutter建立了Supernova Cosmology Project (SCP)。 Perlmutter提出了一种搜寻高红移超新星的办法：“利用大视场望远镜在每次新月夜（天空最暗时）拍摄同一天区的照片。如果在两次拍摄间隙该天区出现超新星爆发，则会在照片上显示为新的亮点。利用快速图像分析技术，该天区出现的任何超新星都可以被辨认，并由夏威夷和智利等处的更大型望远镜继续追踪观测。” 这个办法当然是个好方法，但并无出奇之处。真正重要的是Perlmutter坚持了10年，最终在1999年获得了足够多的超新星，把宇宙加速膨胀确定了。&br&&br&再比如说星系形成理论，1970年代Simon White和Martin Rees提出了一个框架，就是气体在暗晕中塌缩形成星系，很多细节都是错的。但今天我们可以通过理论计算成功的预言宇宙中星系光度的分布和星系的其他性质。这中间不仅仅是一个人的持续思考，而是一群人持续不断，一点一点的改进。&br&&br&此外，不同工作需要的天赋不同。天体物理领域至少可以分三块，仪器制造，理论研究和天文观测。三者都具备天赋的上数300年只有两个人。很多理论物理学家从来没有用过望远镜。大多数观测家也不知道怎么去运行一个数值模拟。大多数人都是专精其一，甚至只是其一中的很小一部分。大多数人都应该在天体物理这一广阔的领域的某一部分拥有天赋。关键是把这个地方找出来。&br&&br&总之，我自己认为，相比于“天赋”，能够选择一个重要的，合适的课题，并持之以恒的研究，才是天体物理研究更需要的特质。
谢谢邀请。第一次看到问题的时候写了一点，最后没发出去。因为自己不算什么有天赋的人，对天赋这件事情妄加评论似乎不好。这次认真回顾了一下题主的说明，因为题主的目标是全球前100的天文单位找到教职，那么这不是要得诺贝尔奖，只是想要做一个优秀的天文…
Nature的一个很宝贵的特点是其可读性。
&br&&br& 作为在1869年创刊的老牌科学期刊，Nature和Proceedings of the Royal Society一样，有如下优势：
&br& 1.创刊人和最初的供稿者是当时有一定学术地位的科学家，这editorial和后来peer-review的起点就不一样，而且这会吸引其他的年轻科学家努力——现在的学术期刊也往往有这个优势：创刊人是谁，头几期发表的文章都来源于谁，很大程度上决定了这个期刊的走向（比如是高impact还是主要针对graduate的）
&br&&br& Nature的严谨有的时候是很让人头疼的，我的一位同事在Nature上发表的一篇文章，一共改了13稿。
&br&&br& 2.除了必要的学术质量保证，Nature的最初供稿人很多来自赫胥黎，斯宾塞等人创建的X Club，我认为Nature的权威地位和顺应了科学界转向以进化论为代表的新思维体系不无关系。
&br&&br& 3.当时的学术圈比现在要小，学术期刊也比现在少的多，虽然不好以此推断说当时刊出的都是精华，但至少可以说，老牌期刊很有传奇色彩——这算是个小小的附加值
&br&&br& 但Nature的和其他学术刊物有所不同的是，从创建之初，Nature就即强调其科学价值也强调其可读性。直至现在，即便有scientific american这类科普杂志，Nature每期的interview，correspondence的趣味性和准确性仍然使其很有读者群——这就是为什么很多文科院系会订Nature，而同等级别的Science在这点上就稍逊一筹。Nature目前也是科学学术期刊中少有的：不分科，涵盖多个科学领域（Science也是如此）、并包含科技伦理、政策、书目、毕业生求职、科技商机等等领域的综合期刊——这使其成为具有责任感和反思性（偶尔还有点“哲思”）科学的代表，而且兼具“学术社区小报”的某些服务特性。
&br&&br& 从某种意义上讲，Nature代表的是大科学，而非分支科学，我想这也是为什么Nature对文章的选择与发起的相关讨论会尤为被关注的原因之一。
Nature的一个很宝贵的特点是其可读性。 作为在1869年创刊的老牌科学期刊，Nature和Proceedings of the Royal Society一样，有如下优势： 1.创刊人和最初的供稿者是当时有一定学术地位的科学家，这editorial和后来peer-review的起点就不一样，而且这会吸引其…
科学方面。&br&&ol&&li&科学不存在一目了然。直觉和常识（所谓众所周知&a href=&/question/& class=&internal&&“人脑只用了不到 5%” 的说法是否确有科学依据？&/a&）都可能是错的，这一点可以推广到人文科学，&b&多学学统计&/b&，就会意识到，个人感觉是多么的不可靠。如果去挖掘一下社会现象后面的数据，会有截然不同的感觉（比如知乎上反复讨论的医德问题）&/li&&li&数据描述出来的情况才有重复性，别人才能验证和参考。&br&&/li&&li&&b&引用的文章不一定准确，因此更需要注明出处&/b&。这点大家都没提到，这是一个责任归属的问题，我只对我的数据和论证负责。引用的结论出了问题，是引用文章作者的责任，并且也更容易追查到问题源头并纠正。举个费曼的例子&a href=&/waiguo2005/f/feiman/bienaolefeiman/036.htm& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&不要太相信专家--&i class=&icon-external&&&/i&&/a&如果没有严格的引用制度，科研界会一片混乱的。&/li&&/ol&
科学方面。科学不存在一目了然。直觉和常识（所谓众所周知）都可能是错的，这一点可以推广到人文科学，多学学统计，就会意识到，个人感觉是多么的不可靠。如果去挖掘一下社会现象后面的数据，会有截然不同的…
观察EQ程度---六看&br&&br&1. 看他说话的速度。&br&&br&2. 看他空余时间，周末等会做什么。&br&&br&3. 看他谈吐和沟通时会否急于插嘴。&br&&br&4. 看他是否能正确面对自己的错误。&br&&br&5. 看他言行是否一致。&br&&br&6. 看他能否控制自己。
观察EQ程度---六看1. 看他说话的速度。2. 看他空余时间，周末等会做什么。3. 看他谈吐和沟通时会否急于插嘴。4. 看他是否能正确面对自己的错误。5. 看他言行是否一致。6. 看他能否控制自己。
来自子话题：
看到问题下面来了些天涯的，还请您们不要把暴戾之气带到知乎，谢谢！&br&-----------------------------------------------------------------------------------------------------------------------&br&第一次答知乎= =&br&因为看到了某女在微博热搜上，所以顺便八卦地在网上搜了一下，2010年博士毕业与北京师范大学的孟蕾可能就是李健的妻子。&br&&br&&b&证据一&/b&&img src=&/725fb7faefec_b.jpg& data-rawwidth=&323& data-rawheight=&356& class=&content_image& width=&323&&“孟小蓓”的微博上 第一个标签是“社会分层”&br&&img src=&/bff735edef635bc7824368_b.jpg& data-rawwidth=&737& data-rawheight=&504& class=&origin_image zh-lightbox-thumb& width=&737& data-original=&/bff735edef635bc7824368_r.jpg&&而北师大民俗学网站上，孟蕾的博士学位论文也涉及社会分层。&br&&br&&b&证据二&/b&&br&&img src=&/52d1e866abe5c9c9ab58ab_b.jpg& data-rawwidth=&841& data-rawheight=&285& class=&origin_image zh-lightbox-thumb& width=&841& data-original=&/52d1e866abe5c9c9ab58ab_r.jpg&&中国社会科学院社会学研究所的网站上，孟蕾出生于1979年，而百度可以查到李健出生于1974年，符合5年年龄差的说法。&br&2010年入职社科院研究所，与上面2010年博士毕业吻合。&br&&b&证据三&/b&&br&上面的截图中，孟蕾2011年11月在台北参加学术研讨会。&br&&img src=&/c21aae83add_b.jpg& data-rawwidth=&505& data-rawheight=&472& class=&origin_image zh-lightbox-thumb& width=&505& data-original=&/c21aae83add_r.jpg&&而孟小蓓的微博中，2011年11月的记录，去过台湾的人应该能看出来，鲸鱼是花莲那边很有名的。还有2011年11月前后还有很多其他微博，可以看得出来，就懒得截图了。&br&&b&证据四&/b&&br&&img src=&/dabbcc_b.jpg& data-rawwidth=&504& data-rawheight=&92& class=&origin_image zh-lightbox-thumb& width=&504& data-original=&/dabbcc_r.jpg&&这是孟蕾的博士论文，而孟小蓓微博中涉及的名品不少吧，品味不俗。&br&譬如：&img src=&/42f3a467c79adff2fcd9033_b.jpg& data-rawwidth=&649& data-rawheight=&438& class=&origin_image zh-lightbox-thumb& width=&649& data-original=&/42f3a467c79adff2fcd9033_r.jpg&&&br&&b&证据五&/b&&br&蓓和蕾都是指“未开放的花儿”。
看到问题下面来了些天涯的，还请您们不要把暴戾之气带到知乎，谢谢！-----------------------------------------------------------------------------------------------------------------------第一次答知乎= =因为看到了某女在微博热搜上，所以顺便八卦…
请参考：&a class=& wrap external& href=&/home.php?mod=space&uid=885664&do=blog&id=694793& target=&_blank& rel=&nofollow noreferrer&&科学网—[转载]学术会议高手速成之七种武器&i class=&icon-external&&&/i&&/a&
谢谢&a href=&/people/7410f0cbac4b82c4553fb9dfe8e3d128& data-hash=&7410f0cbac4b82c4553fb9dfe8e3d128& class=&member_mention& data-tip=&p$b$7410f0cbac4b82c4553fb9dfe8e3d128&&@physixfan&/a&邀请。我还很弱，不过对大牛有些观察，抛个砖，也作为自己努力的榜样吧。&br&&br&这方面我老板是我的榜样。目前我从他身上观察到的各种特点中，我认为最重要的是系统性，即便读的内容可能差别大，但做法要有系统性。&br&&br&我老板是个总有奇思妙想的人，眼界也很开阔，他读paper涉猎的领域非常广，除了纯数学（纯数学多数看不懂）以外各种东西都可能去了解。此外他还常常刷一大批paper，从里面挑出看着顺眼的，让我们作为大组会的讨论话题，每周一个人详细的讲解。我组的小组会是精细的讨论各自研究内容，大组会则可能出现以下话题：应用数学、理论物理、博弈论、信息论、合成生物学、材料学、物理化学、心理学等。这里很多与我们的研究无关，但大多理念上能找到一些相关的思维模式，又同时大都很有趣。&br&&br&他的做法是：&br&1、集中整块时间读。比如放假七天他就刷七天paper，而在之前半个月可能主要跟我们讨论课题、改文章、听报告、参加会议去了。&br&&br&2、并不是所有文章都精读，他能很快的扫一下就提取出关键点，大致知道这文章值不值得继续读下去。当然也有判断错误而浪费了些时间去看不够好的paper时候，不过作为大牛，他的判断速度和精度都很高。想来这得益于长年的积累和敏锐的思维，总体读的越多就越快。&br&&br&3、自己读不完的交给大家一起读和讨论，上面已经说过。我觉得学生其实也可以组织几个人一起分享着读，不过我目前还没能找到足够好的调动群体的方法，主要是准备详细的讲一次talk其实需要花不少时间，那么人数多的话就好办些。&br&&br&4、把握一些特定的与自己相关方向做的好的PI，刷他们组的工作，一般都有连贯性，读懂了一部分其余的也好办了。也可以跟他继续交流和合作。&br&&br&5、听报告初步了解某个topic，然后沿着这个topic挖相关的paper读。&br&&br&另外，另一位大牛老师曾跟我说，读paper要分档次，一半以上是只看abstract，剩下的一少半是看到introduction，再剩下的一少半才是要打印出来读。
谢谢邀请。我还很弱，不过对大牛有些观察，抛个砖，也作为自己努力的榜样吧。这方面我老板是我的榜样。目前我从他身上观察到的各种特点中，我认为最重要的是系统性，即便读的内容可能差别大，但做法要有系统性。我老板是个总有奇思妙想的人，眼界…