6.2 如何复现：最小复现方法论

本章目标：复现是学生科研的超能力——它同时训练工程、建立学术信誉、并常常直接长出研究题（8.9 的 B1 就是这么来的）。学完标准：能按”最小复现七步法”复现一篇论文，并知道复现失败时的三层归因。

1. 先立心法：复现的是什么

复现的对象是”可检验的主张”，不是”代码搬运”。把论文的核心 claim 写成一句话（例：“-1.5B VLM 在几何题上用 GRPO 训 500 步，准确率提升 ≥10%”），你的目标就是检验这句话——所有工程决策（模型多小、数据多少、训多久）都围绕”让这个检验在你的算力上成立”。

提取主张：从 6.1 的笔记里抄出核心 claim 与关键数字（表 X 的 Y 行）；
缩放设计：等比缩放实验（2.10 §2）——模型降档（7B→1.5B）、数据降档（100 万→5 千）、步数降档，但保持方法与对照的结构不变；写下”预期缩放后数字大约是多少”（趋势存在即可，不追绝对值）；
找起点：官方代码 > 官方权重 > 第三方高星复现 > 从零写。读官方代码的实验配置文件先于读模型代码——真相在 config 里；
最小数据冒烟：1% 数据 + 最小模型跑通全流程（0.4 章单 batch 定律的多数据版）；
对照实验：baseline（无方法）vs 方法配置，单变量切换——两条曲线的差才是论文主张的影子；
差异表：我的配置与论文逐项对比（数据版本/分辨率/步数/hardware/dtype），每差异一行——这张表是”没复现上”时的第一诊断依据，也是复现报告的核心产出；
归档：结论三选一——reproduce（趋势成立）/ partially（部分成立+差异表）/ refute（不成立+证据）。refute 也是有价值的产出（尤其复现的是热门论文时——但要谨慎和克制，先穷尽自己配置错误）。

Timebox 纪律：给整个复现设预算（如 2 周 / X 元卡费），到点交付”当前最好+差异表”——复现不是重写论文代码库，超过预算的”再修一个 bug”通常是沉没成本陷阱。

我的 bug：数据管线、超参、评测协议（90% 在这层——尤其评测协议：指标实现差一行代码，结论全变）；
论文的坑：未声明的关键细节（私有数据清洗、 cherry-pick 的 seed、隐藏的推理设置）——查官方 issue 区，常见”同问”；
领域级的坑：评测集污染、指标实现分歧、任务本身有上限——这层一旦确认，恭喜，你摸到了一个研究题（例：3.7 的评测陷阱、5.1 的 reward hacking，都是这么被发现的）。

让 agent 干：脚手架（数据 loader、训练循环样板、可视化）、文档检索（“这个 API 在 2.5 版本怎么用”）、代码逐行讲解；
必须自己干：主张提取（读论文）、缩放设计（算力账）、核心数学的验证（loss/梯度数值对拍，0.3 的习惯）、评测协议的逐行审查（复现翻车第一大源头）、结论判断；
红线：不要让 agent”照论文实现一遍”然后直接跑——它会把论文的笔误一起实现。先给它官方 repo 让它解释，再让它改你的配置。

消融空白处：论文没测的变量（例：风格 LoRA 论文不测”复现度量化”——8.9/B1）；
边界条件：论文只在某域成立（英文→中文？油画→工笔？小模型还行吗？）；
主张放大：“他们消融里表现最怪的那一行”往往是新论文的引言第一段。复现报告的”差异表+疑点清单”就是选题的孵化器——每次复现必须以一页”我能从这里往哪走”收尾。

选定一篇（建议 5.1 的某开源 RL 复现或 LLaVA-1.5），走完七步法，产出《复现报告》（含差异表与结论三选一）——这份报告直接进 repo 和作品集；
给报告写”我能往哪走”一页——与 8.9 选题库对照，看是否撞出火花；
故意练习一次 refute 归档（把某超参改成明显错的），体验”结论+证据”的写法。