想问广大藤校博士们一个问题：你们的paper是proof-based的吗？

theoretical > applied 谁难谁厉害 中国式内卷。。

数学系的博士表示，看这个标题第一反应：“居然还有不是 proof-based 的 paper” [手动狗头]

点开一看，哦原来是 applied 的学科。对于 applied 不太了解，就说说自己对于 proof-based paper 的感受吧。个人观察是，哪怕对于已经成名的教授，写一篇高质量的 proof-based paper 也得大几个月到几年的时间。而博士一共才五年，高质量的 proof-based paper 能写一两篇就已经很厉害了。所幸我在的数学系不要求 publication，只要能证完一个新定理、解决一个问题就能毕业，所以也还好。但 lz 的系如果对毕业有 publication 的要求，那可能压力会比较大。

. Χ

proof based 一般得有人带着搞，一两篇下来之后对相关的定理和结论熟悉了，再考虑自己搞，也不一定能搞出来。

通常是一个大定理想出来解决了之后感觉能发表，再搞些有的没的弱化assumption和处理general的model。

起步很花时间。好处是挖到有价值的小宝藏之后可以在各种顶刊不停发类似相关的小结论。不用担心没project做。

坏处是，不熟悉的时候，你连文献都看不懂，连主定理有啥意义都说不上来。这就很微妙了。

但凡有的小地方证不出来就没法发。不像applied，整理整理总能发掉。

风险越高收益越高。收益越高风险越高。毕不了业也很正常。毕竟有严格的正概率是做不出来的。那五年内做不出一个的概率也严格大于零对吧。



补充内容 (2021-03-25 23:24 +08:00):
顶刊上的 如果是理论统计的话，都得业内熟悉的大佬和精英们带着学生发的。 没有个三五年经验摸爬滚打是找不到方向的。如果你的老板有这个经验，他可以带你发。如果没有的话，这三五年（一两年？）得你自己花。理论上这是资生教授们的战场。学生没人带的话入场门槛是很有时间成本的。

hmmm我还觉得我的research都是theory面试的时候都没啥好说的人家也都不感兴趣……

其实统计的理论就那么一点东西，找个好导师带着你发一篇就熟了。大部分没啥用，当然如果你喜欢的话也不错。

那你想面对同一个conference有几篇paper证同一个bound，然后你的bound比它loose，从而paper被憋手里的感受么？

非腾霄CS博士路过，这是个有意思的问题。
首先，我表示推公式推理论什么的，确实好难啊。
从读过的论文看，各个领域的大部分论文都是在讲这么一个故事，我们用machine learning的办法来解决某个问题，各种evaluation, benchmark.
讲真各个领域都是这样，是phd都会machine learning.
至于理论研究，感觉那是genius干的事情。
另外，即使偶尔读到的论文里有理论证明，很多都是基于已有证明框架扩展到新的case.