① （完成于 2020 年 7 月）
② 话说 2017 年 10 月 11 日我正式决定转专业 CS，此后的人生规划巨作 D5P84 写完之后，直到 2019 年 5 月的一年半里，我都在按着当初定好的方向，用尽手段激励自己，疯狂提升自己的技术能力，也没怎么再思考过自己的人生方向。
③ 虽然在学业上取得了成绩，但大三伊始，长期专注学习的我，人生规划可以说是一塌糊涂，在人生的转折点吃了很多亏：实习不知道怎么找，心态也调整得不好。
④ 幸运的是，我的申研之旅最终圆满结束，2020 年 3 月 21 日，我接受了 Stanford MSCS 的录取。
⑤ 现在身在美国的我还不确定具体的开学和签证政策如何，包括选课、CPT、合法身份等等。我的研究生之旅当然会受到这些细节的影响，但人生大方向应该是不受影响的；这篇日记就是我对未来之路的详细规划，希望我能好好利用 Stanford 的资源，为自己的发展打下好的基础。
⑥ 按每学期 700 小时（两年共 6 个 quarter，但我也可能 5 ~ 7 个学期毕业）、暑假 500 小时、两个寒假各 100 小时算，我在研究生期间共有最多 4900 小时可分配时间。时间是一种预算，我希望能是制定出合理分配这 4900 小时的计划。
⑦ 当然，这个规划的范畴不包括积极社交、吃喝玩乐、写日记、追学霸妹纸等其他重要的活动，虽然这些活动除了日记以外都受到了疫情的冲击 QAQ…
⑧ 2020 秋招，我的首要目标当然是拿到美帝大公司的 2021 暑期实习。假设没有大的意外，我应该能身在美国参加秋招，并得到 CPT。COVID-19 也许会影响招人的数量，不过由于研究生在校生数量可能大幅减少，竞争也会小很多，对我来说也许也是机遇，这也是我决定不延迟入学的主要原因。2020 年 7 月 19 日，我的 Leetcode 题量突破 400，我对自己的面试水平还是比较自信的。
⑨ 对于小公司、创业公司，抛开签证的风险不谈，在那工作对我等等软实力要求要高得多：我需要深度理解行业的趋势，了解一些商科的概念，有商业敏感度，能准确判断我所在的公司前景如何，而我不觉得我准备好能应对这样的挑战，所以暂时不会优先考虑，尤其是来年申全职的时候。
⑩ 如果美国这边申不到满意的公司，那回腾讯或者参加其他国内公司的春招，也是很好的选择。经历了 2020 的春招让我了解到，国内的编程岗位分得很细，大的有算法与开发之分（当然我到现在都没搞懂“开发岗”究竟是怎样一个概念），细分还有 Java/C++/ 前端、CV/NLP 等等，面试考的题目五花八门。相比而言，美国招人不管算法还是开发，一般岗位统一都是 SDE，面试就是 Leetcode 为主，项目经历 / 行为类问题为辅。
⑪ 另外，和申研一样，求职时我已决定不会签约顾问 / 中介（当然，我可以蹭一些他们的资源）。虽然他们掌握着海量的求职信息，甚至方便的求职工具，我却感觉他们在学员定位和未来规划方面，并不很靠谱，比如某机构 2019 年 1 月强烈不建议我 3 年毕业（D5P268）、12 月反复不建议我申研（D5P274），再比如 979 说去年秋招前某机构严重低估了她的实力。
⑫ 最后要提醒自己的是放平心态，一方面求职有很多复杂的潜规则，是个极其玄学的事情（尤其是前面提到了不知道形势如何），另一方面它并不是我的优先事项。工作的机会以后有很多很多，但做科研的黄金期，过了研究生就不会再有了——
⑬ 早在 3 月中旬规划自己在 CMU MSCS 生活的时候，我就明确了一点：硕士一定要争取发顶会一作，但不一定申请 PhD。现在的我有更充分的理由来阐述自己这样规划的理由。
⑭ 总结就是，非申博导向的科研既可以让我更开心地读完硕士，理论上也能帮助我进入大厂更核心的组。实际上，我看 Stanford MSCS 有相当多的学生好像都是专心搞科研但最后直接去了业界，所以这条路应该很常见。
⑮ 本科期间，我的科研经历加起来不到 400 小时，而且都是打杂，并未做过任何实质性的科研。不过，我对科研的一些基本原则还是有所了解的。比如，观看 Philip Guo 老师的油管和博客，让我对科研的大局观，以及美国 CS 界教授的生活、职业周期、动力和渴望，都有了最初的认识。
⑯ 腾讯、百度，还有传说中的阿里达摩院，都有专门针对科研人才的项目，他们很看重有科研经历的人，把他们作为顶尖人才。
⑰ 在我眼中，接受严谨学术训练，可以培养的一些特质包括（1）数学建模能力，（2）搜索、阅读专业性强的论文的能力，（3）追逐前沿技术的能力，（4）创新能力与发散性思维，等等等等。
⑱ 做科研的另一大理由是可以结识人脉：顶尖大学的 CS 实验室里，都聚集着全世界最优秀的人才，尤其是导师和博士生。即使在实验室里听同学们聊天，也一定会大大开拓自己的眼界。此外，参加学术会议也是认识专家的好机会。
⑲ 另外值得提及的是，做科研有一定机会能拿到奖学金，免除学费，这也是笔不小的钱了（当然现在实验室经费紧缺，拿奖会困难些，更常见的情况可能是做 TA 拿奖学金）。
⑳ 当然，科研的工作有时会被批评“脱实向虚”、“不切实际”、“投入回报比低”。这里我引用 Philip Guo 从学术界出发的观点，科研的逻辑就是多探索，谁知道哪些有用哪些没用呢。绝大多数学界的 idea 都是会被淘汰的，甚至可以说大多数文章都是在灌水，而这并不代表它们没有用。
㉑ 最后，做科研不代表我将来就要成为那方面的专家，目前的我对自己的定位还是成为通用型的软件工程师。这和国内研究生的目标有所不同，前面提到国内公司招人时职责分得很细，比如硕士搞 NLP 的，面试就主要考相关知识。
㉒ 进入了业界，创新能力确实“不如工程能力实用”，业界需要的工程能力包括计算机基础知识、搜集与处理数据能力、产品思维等等做科研涵盖较少的方面。
㉓ 因此，“先做工程师再做算法工程师”，我不希望自己把领域定得太细，而是把做科研当成提升综合能力的契机。
㉔ 虽说要做科研，但是否以申请 PhD 为导向，对我意味着十分不同的道路。比如理论上说，如果要申博，那我得多勾搭更年长的教授，以求得大佬推荐信，否则的话不用担心推荐信的事情，那多跟着年轻教授或许能收到更多直接指导。
㉕ 说到这里，我个人并不喜欢美国申博体系里，3 封推荐信这项游戏规则。现在的 CS 学术圈太看重人脉了，如果要赶在 2021 年末申博，我需要在 1.5 年内搭建起强大的人脉网络，这对我太难了…除此之外，硕士前一年半我将有极大的发论文压力，而且大概率得放弃暑期实习，我不想给自己太大压力。
㉖ 当然，如果不以申博为导向，由于硕士毕业不需要科研，那科研就变成了我“不是必须”的任务，也许让我陷入得过且过的咸鱼状态；为了激励自己，我可以把申博作为形式上的目标。另外，我可以 2022 年毕业先工作（或者继续做 RA，相当于 gap 了），等 2022 年末申请，压力会小很多。
㉗ 翻看 Stanford NLP 和 Vision 组的硕士毕业生去向，只要读 PhD 的都是超级名校，推荐信的分量应该是最重要的原因之一。但显然我不能指望自己也能进四大 /UW/UIUC 等学校的 AI 项目，它们一共才招多少人啊，我的基础相比那些大神来说差太远了…
㉘ 不过四大 PhD 真的重要吗？如果只是要一个学位，那显然不需要追求四大；能上美国前 30 的 CS 博士那都是和清北复交的优秀学生谈笑有鸿儒了。
㉙ 还要考虑的是毕业难度和 PhD 值不值得的问题。对于博士生来说，发 paper 可以说是他们事业的全部，这难度可不是说着玩的，比硕士毕业难多了，如 Philip Guo 所说，发 paper 是一场和全世界最优秀科研人员竞争的游戏。假设是在 Stanford 这样的地方读 PhD，那毕业的压力更是可能大到爆炸：The PhD Grind 多次提到辍学或者 9 年才毕业等读废了的案例。
㉚ 说到底，读 PhD 就是一场人生的大赌注。二十小几的年轻人，便需要在选方向的时候就能看到很远的未来，看到所在研究方向的发展和应用前景，还要早早选好正确的导师。成功的回报高，失败的风险也高。
㉛ 说了这么多，目前看，打击我读博积极性的最重要因素，还是来自于美国自身：
㉜ 2020 年，美帝在抗疫和签证上的一系列神操作，劝退了无数想在美国留下的中国留学生。5 月 29 号的中国学者禁令出台，之后又不断传出学者在海关被盘查刁难的新闻，我才真切意识到，如果我在美国做 AI 方向的 PhD，我的人身自由将会受到严重的限制。设想我读着读着，突然身份出了问题，之前做的工作都要打水漂，那可不是说着玩的！
㉝ 更要命的是，我了解到无论川宝宝在不在任都会如此。各种 PhD 在美国七八年连一次家都回不去似乎是常态，我和我身边的很多朋友都感慨，不想过这样的生活哎…
㉞ 当然，我要读 CS PhD 不一定要在美国啊，如果能去清北、上交或者香港，看上去也不错，未来也许可以探索一下这个道路。最后，究竟是否读 PhD，不用着急做决定，毕竟和我同项目的小伙伴也有一半以上都没有决定要不要读博呢。
㉟ 在 CS 科研界，如果我想在硕士阶段达到发 paper 的目标，那么排除掉 system 这类科研周期长的领域、HCI 等小众的或者我并不熟悉的领域，AI 方向无疑是极好的选择：这里的科研探索的空间大，而且项目周期也相对较短。另外，我们项目有约 2/3 的同学都选了 AI track，因此选择 AI 也会得到更多 peer support。
㊱ AI 里又有 ML、CV、NLP 等细分领域。目前我对 AI 的认知还处在极其肤浅的阶段，但既然是要选方向，那就必然要在信息不全面的情况下做决定。
㊲ 按照 458 教我的排除法，三个选项里我首先排除的是 ML theory：我不是很擅长、也不太喜欢纯理论的科研，而是想做与业界联系紧密的研究。其次排除的是 CV，原因有二：
㊳ 第一，我在旷视实习的朋友说起 CV 工业界和学术界的严重脱钩，很多学界的算法要么在实际应用问题中表现很差，要么没有什么应用价值，感觉这个领域有点火过头了，在短期的将来有可能进入瓶颈（胡说警告）。
㊴ 第二，我知道的申 CV 方向 PhD 的同学，最后都被拒得很惨，其中当然包括 13 篇 paper 在手的何宜晖大神，这让我得出了 CV 方向目前人才过剩、内卷严重的判断。
㊵ 于是，2020 年 7 月 4 号，我正式决定入坑 NLP，啃教材、看网课、找组织，从零开始稳步打基础……当然，毕业前发 ACL 只是一个初步的目标，未来可能会视情况调整，CV 也可能最后 turn out 是合适的选择（虽然我每次问别人，似乎都会得到不同的答案）。
㊶ 我其实甚至不用拘泥于做 CS 的科研：现在无数的领域都需要用到 CS 和数学的方法，有很多综合学科的交叉方向可以探索。我今年在腾讯实习的老板就是学地理信息系统 PhD 毕业的。
㊷ 这篇日记里提到的各种结论，很多是我整合各种知乎或公号（如夕小瑶）帖子的信息而得出的，而非我自己根据自身经验得出的。这些结论可能很快就会证明不完整甚至不正确，但我会在不断的实践中慢慢地批判继承这些观点。
㊸ 同样，我的规划也可能再过几个月便要重写一大半，但至少我根据自己目前掌握的信息尽力进行了分析。
㊹ 做人生道路选择是最重要的技能之一，用一句鸡汤来说就是“选择比努力重要”，因此即使现在定下的方向不完全对，至少我锻炼了思考的能力。
㊺ 还记得做 Leetcode 第 904 题时，我先是列出了尽可能多的 input 情况，尝试分析着找到一般规律，最后再得出解题方法。想清自己的人生规划，也会经历类似的过程，从搜集信息，到整合信息，最后搞明白自己要达到目标所要走的道路。
㊻ 最后，作为自我激励：3 年前的我连一行代码都还没写过、除了考 AP 以外几乎一年半没学过数学，到如今则已经走完了这么长的道路。8 月 9 号我就要去斯坦福了，2 年之后，希望硕士毕业的我，积累更多真才实学，真正置自己于不败之地。