刚开始参与科研时，我最关注的问题通常是：代码到底能不能跑起来？

后来真正经历了几次项目之后，我发现代码运行成功其实只是第一步。

一个科研项目需要回答更多问题：为什么提出这个方法？现有方法的问题在哪里？增加这个模块之后为什么会提升？如果去掉其中一个部分，结果又会发生什么变化？

因此，我现在做项目时，会更加关注实验背后的原因，而不仅仅是最终得到的准确率或聚类指标。

从联邦多视图聚类，到特征筛选、自适应路由，再到计算机视觉项目，这些经历让我逐渐学会把一个比较模糊的问题拆解成可以验证的小问题。

我觉得这也是科研最有意思的地方：不是直接寻找答案，而是不断学会提出更好的问题。