feat:add blogs

docs/Blogs/posts/25-01-20.md

@@ -0,0 +1,88 @@
+---
+title: 近期的一些想法
+tags:
+  - Blog
+categories: 
+date: 2025-01-20T10:34:44+08:00
+modify: 2025-01-20T10:34:44+08:00
+dir: 
+share: false
+cdate: 2025-01-20
+mdate: 2025-01-20
+---
+
+# 近期的一些想法
+
+## 规划
+
+我发现自己往往只关注到了做比较短期的规划，而导致没有中期的规划。具体来说就是：我会做日记 / 周记，但是并没有说会有一个项目一个项目的规划，或者一个月 / 一个季度 / 一个学期 / 一年如此的规划。
+
+- 总结原因
+	- 首先大概是自己逃避做比较长期的规划。拿梯度下降做个类比，大概是自己不喜欢做 learning rate 比较大的学习（哈哈哈，其实就是静不下心？比较贪心？）However, 局部最优（贪心）肯定不会（个人感觉概率上来说）是全局最优，更何况 loss 在人生的不同阶段时刻都发生着变化。
+		- 所以说人生就是在以 loss 为目标，然后不断优化 loss 的旅程？
+			- （那么以前的一个想法翻译过来可能就是，以优化 loss 为 loss 本身？即，人生的意义在于追寻意义本身）倒颇有种防止过拟合的味道。
+	- 其次可能是，自己对于项目本身其实不会有很强的掌控度。
+		- 即学习一样东西之前，你不会知道自己需要花费多少时间、这样东西的重要程度以及其他的重要完善的信息。
+		- 那么在做规划的时候，往往就会有所偏颇。
+		- 我想这当然是不可避免的，但是反思下来。做一样事情是肯定少不了规划这一步的，无非是有意识、无意识的去做。很多事情开头最难，因为你没有做过，等你真正上手了反而会心里有底。比如说，进入心流 / 学习良性循环 / 习惯养成之类的。
+		- 那么如果把 Task 分成 Plan 和 Complete 两个部分，我想我们以前往往执着于提高 Complete 的效率，但是现在也可以去有意识的指定 Plan，整体应该会得到更大的提高，而不是盲目的去做。（一些表现就是：“我期末考前努力学肯定可以获得好成绩 / 我假期一定好好努力，弯道超车”等一些心理。这实际上就是没有做 Plan 的表现。）
+- 反正就是自己会去逃避做一些大跨度的规划，当然这里需要分类讨论
+	- 我认为相当跨度的规划确实是不太需要多少细致的，即细致到写出来的程度：like 五年规划？年度规划？毕竟这些规划也只能提供一些大方向，而思索这些方向才是占据了规划的大头。
+	- 然后就是一个月 / 一个项目如此的规划，感觉还是很有必要去做的。
+		- 好处可能是
+			1. 学习路线更加明晰
+			2. 更强的正反馈，which 不会让整个项目过早的放弃
+			3. 个人认为，人的高效是不能持续的。即只有一段一段的高效，而如果想要总体效率高。最好的办法就是不断重复高效。即可以维持做一件事情（几个小时）的高效，两三天的高效（突击一门课），但是很难做到一整个月的高效（这实际上并不是一整个月的高效，实际上是很多段高效拼接以后的时长达到一个月。）
+		- 举个例子：
+			- 期末复习，或者高中阶段的时候会安排的对某一门学科的查漏补缺之类的。
+			- 我们往往会去指定一个复习计划，which 往往会让我们的效率得到很大的提升。
+- 那么我们来讲讲怎么做？
+	- 方法论感觉很多方法都能提炼到这里
+		- 比如：如何快速入门一个新领域，如何快速学会使用一个工具，如何学习一门课程
+	- 第一步应该是先了解自己的 Task 是什么
+		- 比如：看前人的刷课经验，看论文综述，询问学长学姐这条路应该怎么走、需要注意什么
+	- 第二步是根据自己的时间、状态，规划出自己的合适路线
+		- 比如：有些东西没有用的可能不需要了解，就不放在学习计划之中。第一步是一个搜集的过程，而第二步是一个去除 / 排序的过程。
+		- 更细致一点：
+			- 有的时候不需要搞懂工具的原理，只需要知道工具怎么用就可以了
+			- 有的时候不需要知道相当完备的统计学知识，只需要知道深度学习怎么反向传播就可以了
+			- 有的时候不需要知道整个公理化集合论，积分能用就行了
+			- 以及其他很多
+		- 我们搞清楚 Task 的目的就是：提供一个评价体系，分清楚什么是我需要的，什么是不需要的。从而警惕一切都想要在这段时间内学习的心理（like 我想要先打好基础再来学习这个部分）
+	- 第三步就是根据自己的实际 Complete 情况，时刻调整自己的 Plan
+		- 这一步也是很重要，为了防止整个项目崩盘，你基本上是需要去调整 Plan 的。
+		- 比如：在复习的时候有所侧重，在学习的时候才发现这一块知识好像不是那么有用。
+		- 当然这一步由于很多时候，会有老师引领你，导致你完全依赖老师而没有自己的思考。但实际上，老师也没有全局的信息，你应该自己在整个计划上微调而不是彻底依赖于 backbone。
+
+之前觉得周结对自己有一些帮助，所以每周都写。但是又感觉帮助不是很大，我觉得原因就在这里。
+周结只能部分提供不是那么明晰的 Plan，我们更需要的是针对项目，针对每一个任务的 Plan。而不是寄希望于周结。
+
+## 作息
+
+其实这个是老生常谈的一个问题了。
+
+不过上个星期基本每天都去运动，倒是突然意识到一些事情。
+
+- 运动的时候整个人脑子都是放空的，会想一些平时不会想到的事情。类似于睡前躺在床上想事情（当然由于现在有了手机，很多人都是直接玩累了就睡着了，这个部分的时间就缺失了）。所以运动有一个让整个人重启的感觉，我想也有一部分原因来自于此。（平时如果你一直处在一种工作/娱乐无缝切换的情况下，大概是不会有机会得到放空的。所以我想这也是为什么线下面对面聊天有时候会比网络聊天更让人放松。）
+- 作息，早睡早起实际上是一种为效率保底的行为。不过这里应该要把被奶头乐接管的时间也放到睡觉之中。高中的时候的硬性作息 + 硬性排课 + 统一考试实际上是一种尝试为所有人兜底的机制。（当然有方便执行的成分）
+	- 这部分以后再写
+
+## 一些更加宏大的事
+
+> [!quote]+
+> 就我观察本科或更早同学来说，当下没走到100分、走到90 85分的同学，比如保送、就读学校好坏，在六七年后，可能走到了100分，比当初那些同学的分数还要高。贪心算法往往不是全局最优解。
+>
+> 而且，其实家境比较优越，每次选择都是同龄人中较优秀的那一批，就差不多能让自己在85分以上。
+>
+> 做的选择，未来可能后悔，也可能没有。但未来这些，就是我们这种人性的必然要进入的修行了，避不过去的。可能也不必太担心。
+
+引用源友的话，欸，从上大学就开始思考这个问题了。
+
+我个人的阅历是暂时不足以支撑我想清楚这些的，暂时只能多想，常常回看来时路。
+
+> [!quote]+
+> 长者教导过我们，人这一生固然要靠自己的奋斗，但也要考虑历史的进程。实际上以当前的历史进程来看，你选什么学校意义都不大。问出题目这个问题、关注这个问题的，多半是高考刚结束或低年级本科生，能看到的还是眼下的一亩三分地。目光放长远一点，学校的光环也就那样，不能说没用，聊胜于无吧。这个世界很大、很深，你引以为傲的很多东西都会被稀释成尘埃。别说C9了，哪怕清北，哈耶普，对中产阶级的提升也是非常有限的（我斗胆认为我所接触的名校毕业生的数量，包括海外的，可以构成一个具有统计意义的样本了）。我的统计结论是：专业方向的选择比学校的选择更重要，父母的奋斗比子女的奋斗更重要。后者属于投胎问题，姑且按下不表。但是对于前者的战略考虑，比较遗憾的是，人往往不会为了未来的更大收益而放弃眼下的收益，遑论这未来的收益也是有风险的。比如我们经常能听到选冷门专业捡漏上档的，而降档读 CS 则比较少见，尽管时至今日CS依然是出路最好的选择之一。
+>
+> 择业问题和择校问题是绑定的，只谈学校不谈专业，只能得到一些not even mistakes的回答；而谈了专业又不谈人生愿景，那很多出谋划策都将南辕北辙。但是，要问一个高中毕业生：你想成为怎样一个人，你想怎样过完一生？这样的问题实在是强人所难。绝大多数情况下只能得到一个trivial solution，那就是赚钱。以为财务自由之后，可以过上自己想过的人生。这种想法跟打游戏开作弊码一样，非常幼稚无趣，因为它本质上放弃了对人生战略的深入思考，并且逃避困难——这个困难并不是未来任何潜在的挑战，而是回答“你想成为一个怎样的人”这一问题本身。
+>
+> 眼下，你固然可以玩这场学校斗兽棋，分个三六九等出来，但等你毕业了才会发现，这种游戏是多么苍白。依我看，真正需要严肃思考的是：你想如何过完你这一生，你想成为怎样的人。当然，这样一来，这个问题就回到我开头说的“人生体验”上了。我知道你可能不在乎这个，但这个才是真正重要的问题。

mkdocs.yml

@@ -262,6 +262,7 @@ nav:
       - Posts:
           - Blogs/posts/24-12-29.md
           - Blogs/posts/24-12-30.md
+          - Blogs/posts/25-01-20.md
           - Blogs/posts/FreeSplatter 代码解读.md
           - Blogs/posts/Gaussian_Splatting_Code.md
           - Blogs/posts/Gaussian_Splatting_复现.md