☰
Research Notes
← repos
검색 결과 없음
가이드 렌더링 중...
<div class="about-document"> <h2>About This Document</h2> <h4>출처 자료</h4> <p>과학 글쓰기 고전, 논문 읽기 자료, 한국어 대학원 회고, 실제 SLAM·CV 논문 사례를 함께 참고했다.</p> <table> <tr><th>출처</th><th>주요 자료</th><th>쓰임</th></tr> <tr><td>과학 글쓰기</td><td>Gopen & Swan, Keshav, Whitesides, Mensh & Kording, Knuth</td><td>읽기 절차, 논문 구조, 문단 흐름, 수식과 rebuttal 원칙</td></tr> <tr><td>연구 문제와 생활</td><td>Feynman, Hazelrigg, Matt Might, <em>대학원생 때 알았더라면 좋았을 것들</em> 1권, 김기섭 교수, 임형태 박사</td><td>문제 정의, 연구성 판단, 생각의 시간, 연구자의 운영 감각</td></tr> <tr><td>논문 사례</td><td>KISS-ICP, ORB-SLAM, ResNet, Stachniss group 논문</td><td>서론, contribution, figure 1, claim과 evidence의 실제 형태</td></tr> <tr><td>시각 자료와 표</td><td>Chenxin Li의 그래프 자료, 로보틱스 논문 관행</td><td>그림과 표가 논문의 주장을 어떻게 받치는지 설명</td></tr> </table> <h4>범위</h4> <p>본문은 분야 지도를 잡는 일에서 시작해, 논문 한 편을 읽고, 자기 논문의 구조를 만들고, 학회장에서 다음 질문을 얻는 자리까지 이어진다. 뒤쪽의 발췌 사례는 좋은 글과 좋은 figure가 실제 논문 안에서 어떤 모양으로 작동하는지 보여 주는 부록이다.</p> <p class="source-tag">자매 문서: <a href="../grad-notes/guide.html">대학원노트</a> · <a href="../robotics-practice/guide.html">robotics-practice</a></p> </div> # Ch.1 — 리뷰 논문에서 시작하라 "이 분야 논문 좀 읽어 와." 분야에 막 들어온 학생이 가장 자주 듣는 첫 지시다. 어드바이저는 분야의 이름까지만 일러준다. 그 안에서 무엇이 끝났고 무엇이 남았는지는 학생이 직접 추출한다. 그 작업에 먼저 필요한 것은 한 장의 지도다. 이 장이 받는 학생은 "이미 주제가 있는 학생"보다 한 단계 앞에 서 있다. 주제도 흐릿하고, 어떤 venue가 중요한지도 모르고, 좋은 저자의 이름은 한둘뿐인 단계다. 한 달 안에 분야 지도를 그리는 도구로 리뷰 논문 한 편, 인용 그래프, hypothesis placeholder 셋을 잡는다. Part 1 ch02의 Keshav 3-pass는 논문 한 편 단위의 읽기 전략이고, 이 장은 분야 단위의 진입 전략이다. 적용 층위가 다른 두 단계다. --- ## 1.1 분야 지도가 없다는 상태 분야 지도 없이 단일 논문에서 출발하면, 어디가 끝이고 어디가 시작인지 모르는 채 한 학기가 흘러간다. 어드바이저가 던져 준 한 편을 정독하고, 그 인용을 따라가다 동일 저자의 다음 논문을 찾고, 거기서 다시 인용을 따라간다. 일종의 random walk다. random walk 그 자체가 나쁘지는 않다. 다만 이렇게 해서는 언제 멈출지의 기준이 안 생긴다. 좌표가 없으면 거리감도 없다. 리뷰 논문은 시간 순서·subfield 분기·해결된 문제·열린 문제를 한 편에 압축한다. 한 저자(또는 한 그룹)의 시선으로 분야의 history와 taxonomy가 정리되어 있다. 본인이 처음부터 세우지 않아도 된다. 좋은 리뷰 한 편과 그 리뷰가 인용한 그래프, 이것만으로 한 달 분량의 분야 좌표가 잡힌다. 좌표가 잡힌 뒤에야 비로소 단일 논문이 어디에 놓여 있는지 보인다. > **분야 진입의 시작점은 리뷰 논문(또는 그에 준하는 분야-단위 자료)이다.** 단일 논문만으로 시작하면 좌표 없이 읽는다. 리뷰가 없는 신생 subfield의 대체 자료(best paper·tutorial·thesis)는 §5에서 다룬다. --- ## 1.2 논문을 읽었다고 말하기 위한 네 질문 [최윤섭 박사](https://gradschoolstory.chkwon.net/yoonsup/first-research-subject/)가 「첫 연구 주제를 어떻게 정하고 접근할 것인가」에서 정리한 질문 네 개가 좋은 entry다. 한 논문을 다 읽었다고 말하기 위해 답해야 하는 질문 목록이고, 본인이 한 논문의 의미를 파악했는지 자가 진단하는 도구이기도 하다. > 1. 왜 이 주제인가 > 2. 기존 연구는 어디까지 와 있는가 > 3. 남은 미해결 문제는 무엇인가 > 4. 나의 가설은 무엇인가 > > 이 질문에 답할 수 없으면 그 연구의 의미를 파악하고 있다 할 수 없다. 분야 진입 단계에서 4번 질문이 비어 있는 것은 오히려 정상이다. 지금의 목표는 비어 있다는 사실을 인지한 채 보관하는 것이다. 1·2·3번은 리뷰 한 편으로 거의 채워지지만, 4번은 시간을 두고 천천히 차오른다. 한 논문은 핵심 질문 4개짜리 카드, 한 분야는 그 카드들의 묶음으로 보면 된다. > **최윤섭 박사의 4개 질문에 답할 수 없는 논문은 읽지 않은 논문이다.** 페이지를 넘긴 것 ≠ 의미 파악 완료. --- ## 1.3 citation overlap survey 리뷰 한 편을 잡았다고 해서 분야 지도가 완성되지는 않는다. 리뷰는 한 시점의 단면이다. 그 시점 이후의 연구와 그 리뷰가 빠뜨린 subfield는 보이지 않는다. 단면을 입체로 키우려면 [Keshav 2007 §3](https://web.stanford.edu/class/ee384m/Handouts/HowtoReadPaper.pdf)의 literature survey workflow가 필요하다. Keshav가 §3에 적은 절차는 단순하다. 2026년에 같은 절차를 실행하면 도구만 바뀐다. (1) Google Scholar·Semantic Scholar·OpenAlex·Connected Papers 같은 paper graph에서 분야 keyword로 최근 논문 3–5편을 seed로 찾고, 각각 1st pass로 본다. seed의 related-work에 좋은 서베이가 인용돼 있으면 거기서 끝이다. (2) seed들의 reference 목록과 forward citation을 같이 보며 공유 인용과 반복되는 저자를 추출한다. 여러 seed가 동시에 인용한 논문이 분야의 핵심 논문이고, 반복되는 저자가 분야의 핵심 연구자다. 그 연구자의 publication list에서 반복되는 venue가 곧 그 분야의 top conference다. (3) top venue의 최근 proceedings·OpenReview·project page를 훑어 최근 고품질 논문을 추가로 흡수한다. (4) 새로 흡수한 논문이 또 다른 "모두가 인용하는" 핵심 논문을 가리키면 그 논문도 가져와 반복한다. 새로운 핵심이 더 안 나오면 종료다. 최윤섭 박사가 한국어로 적은 "꼬리에 꼬리·인용 추적 3단계"는 같은 절차의 다른 표현이다. 한국어 표현이 더 직관적이지만, 길을 잃은 순간에는 정형화된 영어 procedure로 돌아가야 좌표가 빠르게 회복된다. > citation-overlap survey는 backward 인용과 forward 인용을 같이 본다. Keshav가 §3에 적은 backward citation (reference 목록 추적)만으로는 최근 동향이 빠진다. Google Scholar·Semantic Scholar·OpenAlex의 citation graph로 forward citation — seed를 인용한 후속 논문 — 을 같이 추적한다. --- ## 1.4 hypothesis placeholder를 입구에서 [Whitesides 2004](https://onlinelibrary.wiley.com/doi/10.1002/adma.200400767)는 §1에 "A paper is not just an archival device for storing a completed research program; it is also a structure for planning your research in progress"라고 적었다. 논문은 진행 중인 연구를 기획하는 구조라는 선언이다. 같은 개념은 [Ch.17 — 아웃라인 우선](./chapter_17_outline_first.md)의 `[HYPOTHESIS]` placeholder와 이어진다. 이 장은 그 placeholder를 분야 진입 단계에서도 적용한다. 리뷰를 읽으며, 본인이 풀고 싶은 질문의 자리를 한 줄로 그려 둔다. 진짜 가설이 아니어도 괜찮고, 한 달 뒤에 통째로 갈아엎을 placeholder여도 괜찮다. 빈 줄만 잡혀 있으면, 다음에 읽는 논문이 그 자리에서 얼마나 떨어져 있는지가 측정된다. > hypothesis placeholder는 진입 단계에서는 한 줄짜리 stub로 충분하다. "X subfield에서 Y가 아직 안 풀렸고, 나는 Z 방향을 보고 싶다" 정도면 된다. 점차 채운다. 이 placeholder가 다음 챕터([Ch.2 — 문제 정의: Feynman 3-step과 잘못된 질문](./chapter_02_feynman_problem.md))의 첫 줄, 파인만이 말한 "write down the problem"의 입력으로 이어진다. 분야 진입과 문제 정의가 한 흐름으로 묶인다. --- ## 1.5 로보틱스/CV에서의 entry 추상적인 절차는 진입 단계의 학생에게 마찰이 크다. 그래서 분야별로 review가 어디에 살고 entry tool이 무엇인지 구체적으로 박아 두는 편이 빠르다. 로보틱스 쪽 review는 보통 [T-RO (IEEE Transactions on Robotics)](https://www.ieee-ras.org/publications/t-ro), [IJRR (International Journal of Robotics Research)](https://journals.sagepub.com/home/ijr), [RAS (Robotics and Autonomous Systems)](https://www.sciencedirect.com/journal/robotics-and-autonomous-systems)에 실린다. SLAM이라면 Cadena et al. 2016, motion planning이라면 LaValle의 Planning Algorithms 같은 reference book이 reference 역할을 한다. CV 쪽 review는 [TPAMI (IEEE Transactions on Pattern Analysis and Machine Intelligence)](https://www.computer.org/csdl/journal/tp)에 실리는 경우가 많고, CVPR/ICCV/ECCV의 tutorial track에서 신생 subfield의 review 격 자료가 나온다. entry tool로는 다음 4종이 잘 알려져 있다. - [Google Scholar Profile](https://scholar.google.com): 분야 핵심 저자의 profile에 들어가 publication list를 시간순/인용순으로 본다. 인용수 top 10이 그 저자의 분야 입장을 압축한다. - [arXiv cs.RO / cs.CV](https://arxiv.org/list/cs.RO/recent): firehose지만 keyword + "survey" / "review" / "tutorial" 조합으로 검색하면 review 후보가 줄어든다. - [Semantic Scholar](https://www.semanticscholar.org): paper graph를 explicit하게 보여 주는 도구. seed 한 편의 backward와 forward 양쪽이 한 화면에 나온다. - [Connected Papers](https://www.connectedpapers.com): seed 한 편을 입력하면 graph로 인근 논문을 시각화한다. citation-overlap survey를 한 화면에 압축해 주는 도구다. 신생 subfield에서는 review 논문이 아예 없는 경우가 흔하다. NeRF가 처음 나왔을 때처럼, 한두 해 동안은 review가 분야의 속도를 따라잡지 못한다. 이 경우는 review 대신 다음 셋으로 대체한다. (1) 해당 subfield의 best paper 또는 highly-cited workshop paper. (2) 해당 subfield의 PI가 학회에서 한 keynote / tutorial slide. (3) 신뢰 가능한 thesis (특히 박사 학위 논문의 ch.2 related work). > review 논문이 없는 신생 subfield에서는 best paper · workshop paper · tutorial · thesis의 related work로 대체한다. 빈손으로 단일 논문에서 시작하지 않는다. --- 분야 진입의 한 달은 본인이 어디에 서 있는지를 좌표화하는 시간이다. 리뷰 한 편(또는 신생 subfield라면 §5의 best paper·tutorial·thesis 대체) → 최윤섭 박사 4개 질문 → citation overlap → hypothesis placeholder 순으로 한 바퀴를 돌고 나면, 다음 챕터의 입력 — "문제 정의" — 이 준비된다. 좌표가 잡힌 뒤에야 비로소 잘못된 질문과 맞는 질문이 갈라진다. 다음 챕터의 첫 줄 "write down the problem"은 그제야 빈칸이 아니다. --- **출처.** [최윤섭 박사 G3 「첫 연구 주제를 어떻게 정하고 접근할 것인가」](https://gradschoolstory.chkwon.net/yoonsup/first-research-subject/), [Keshav 2007](https://web.stanford.edu/class/ee384m/Handouts/HowtoReadPaper.pdf) §3, [Whitesides 2004](https://onlinelibrary.wiley.com/doi/10.1002/adma.200400767) §1. 다음: [Ch.2 — 문제 정의는 답보다 먼저 좁혀진다](./chapter_02_feynman_problem.md) # Ch.2 — 문제 정의는 답보다 먼저 좁혀진다 분야 좌표는 Ch.1에서 그렸다. 리뷰 한 편과 인용 그래프, hypothesis placeholder 한 줄까지가 그 결과물이다. 좌표가 잡힌 학생이 다음으로 마주하는 막힘은 모양이 다르다. 어드바이저가 "SLAM 정확도를 높여 보자"라고 말했는데, 그 한 문장에서 어디로 가야 손이 움직이는지 보이지 않는 단계다. 분야 지도가 있다고 풀어야 할 문제까지 자동으로 정해지지는 않는다. 이 장은 그 단계에서 문제를 작업 가능한 단위로 좁히는 절차를 본다. 연구 실패의 가장 흔한 원인은 정확한 답을 틀린 질문에 찾으려는 시도이고, 좁히기 절차가 그 함정을 피하는 도구다. Ch.1에서 비어 있는 채로 보관해 둔 hypothesis placeholder가 이 장에서 처음으로 작업 가능한 problem statement로 끌어올려진다. --- ## 2.1 문제를 먼저 적는다 [권창현 교수](https://gradschoolstory.chkwon.net/changhyun/%ec%97%b0%ea%b5%ac%ec%9d%98-%eb%b9%84%eb%b2%95-%ed%8c%8c%ec%9d%b8%eb%a7%8c-%ec%95%8c%ea%b3%a0%eb%a6%ac%ec%a6%98/)가 「연구의 비법: 파인만 알고리즘」에서 다시 꺼낸 Feynman의 3-step algorithm은 농담처럼 짧다. > 1. Write down the problem. > 2. Think real hard. > 3. Write down the solution. 세 줄짜리 알고리즘은 농담처럼 보이지만 농담이 아니다. 신입생이 가장 자주 막히는 곳은 첫 번째 줄이다. 풀어야 할 문제가 한 줄로 적히지 않은 채 "think real hard"로 넘어가면, 그 생각은 어디에도 착륙하지 못한 채 한 학기를 떠다닌다. 두 번째 줄이 두 번째에 놓인 데에는 의미가 있다. 문제가 적힌 다음에야 생각이 시작된다는 순서다. 세 줄을 같은 날 한 번에 쓰지 않아도 된다. 첫 줄을 적은 시점과 두 번째 줄에 도달하는 시점, 그리고 마지막 줄까지가 며칠·몇 주·몇 달 단위로 떨어진다. 첫 줄만 적힌 채로 한 주가 지나가는 것은 오히려 정상이다. 그 한 주가 두 번째 줄을 가능하게 한다. > **문제를 쓰지 않으면 생각이 시작되지 않는다.** Feynman 3-step의 첫 줄이 비어 있으면 두 번째 줄도 비어 있다. --- ## 2.2 정확한 답 vs 옳은 질문 권창현 교수가 같은 글에서 든 두 비유가 이 함정을 압축한다. > 디버깅을 해 본 사람은 알 것이다. 어디서 버그가 났는지 정확히 짚어내기만 하면, 고치는 일은 그 다음 일이다. 정작 어려운 것은 "어디가 문제냐"를 한 줄로 적는 일이다. 잘못된 자리를 정확하게 고쳐 봐야 프로그램은 여전히 안 돈다. > > 지진이 났다고 하자. "물자를 어떻게 운송할 것인가"는 거대한 주제지만 그 자체로는 풀 수 없다. "어느 도로가 끊겼고, 어느 창고에 무엇이 남아 있고, 어느 마을이 며칠째 고립되었는가"까지 좁혀져야 비로소 한 사람의 손이 움직일 수 있는 작업이 된다. 두 비유는 같은 곳을 가리킨다. 거대한 objective(SLAM 정확도, 물자 운송)는 작업의 방향만 준다. 작업의 단위는 되지 못한다. 단위가 되려면 측정 가능한 조건과 검증 가능한 가설로 좁혀져야 한다. 정확한 답을 틀린 질문에 찾으면 결과는 "잘 작동하는 것 같지만 의미가 없는 솔루션"으로 끝난다. 좁혀지지 않은 채로 출발한 연구가 1년 뒤 마주치는 가장 흔한 풍경이다. 권창현 교수는 그 진단을 한 줄로 정리한다. > 연구는 답을 찾는 과정이 아니라 문제를 찾는 과정이다. 이 한 줄의 함의는 강하다. 처음 적은 problem statement는 마지막까지 같은 채로 남지 않는다. 좋은 문제는 작업 중에 좁아지고, 좁아지면서 모양을 바꾼다. 1년 뒤의 problem statement가 출발 시점의 problem statement와 다른 문장일 가능성이 높고, 그게 정상이다. > **문제는 마지막에 정의된다.** 시작 지점의 problem statement는 placeholder이고, 작업 중에 진짜 문제가 발견된다. --- ## 2.3 hypothesis placeholder와의 봉합 권창현 교수의 "write down the problem"과 [Whitesides 2004](https://onlinelibrary.wiley.com/doi/10.1002/adma.200400767) §3.3의 hypothesis placeholder는 같은 명제의 두 표현이다. 문제를 쓰는 행위는 곧 그 문제가 풀렸을 때 보일 가상의 답을 미리 그리는 행위다. Whitesides가 outline에 적어두라고 한 한 문장이 이를 직격한다. > Simply indicate where missing data will go, how you think (hypothesize) they will look, and how you will interpret them if your hypothesis is correct. 데이터가 없으면 그 자리에 가설이 맞을 때 데이터가 어떻게 보일지를 미리 적어 둔다. 그 가상 데이터와 실제 데이터의 거리가 곧 실험의 to-do 목록이 된다. 문제를 한 줄로 적는 일도 같은 작업으로 수렴한다. "X 조건에서 Y가 Z로 측정될 것이다"라고 적는 순간, 그 문장은 가상의 결과를 품은 problem statement로 굳는다. placeholder는 틀려도 된다. 시작점일 뿐이고 작업 중에 내용이 바뀌는 게 정상이다. Ch.1 진입 단계에서 한 줄 stub로 잡아 둔 placeholder ("X subfield에서 Y가 아직 안 풀렸고 Z 방향을 보고 싶다")가 이 장의 좁히기 절차를 거쳐 작업 가능한 problem statement 한 단락으로 끌어올려진다. 이후 [Part 2 ch02 (outline-first)](./chapter_17_outline_first.md)에서 이 problem statement가 outline 7-슬롯 안의 introduction 자리로 들어가, 가상 데이터를 품은 항목으로 다시 자란다. 같은 placeholder가 진입 → 문제 정의 → outline drafting의 세 층위를 가로지른다. --- ## 2.4 SLAM worked example — 좁히기 절차 좁히기가 어떻게 이루어지는지를 한 사례로 본다. 출발은 어드바이저가 던진 흔한 한 줄, "SLAM 정확도를 높이고 싶다"이다. 이 문장은 objective는 있지만 problem statement는 아니다. 무엇을, 어떤 조건에서, 어떻게 측정해 좋아졌다고 말할지가 비어 있다. 1차 좁히기는 현상 단위로 내려간다. "loop closure 실패가 잦다." 정확도라는 막연한 단어가 어떤 모듈이 어떤 식으로 깨지는지로 옮겨졌다. 2차 좁히기는 조건과 측정을 끼운다. "indoor low-light 시퀀스에서 ORB feature 탐지 수가 정상 조명 대비 30% 수준까지 떨어진다." loop closure 실패라는 현상이 그것이 왜 자주 일어나는지의 한 후보(전단의 feature 탐지)와 어디서 일어나는지의 한 조건(indoor low-light)으로 묶였고, 이 단계에서야 ablation 실험과 baseline 비교가 가능해진다. 3차 좁히기는 메커니즘 가설로 들어간다. "feature가 빈약한 프레임에서 초기 pose estimate가 흔들려 뒤따르는 ICP refinement가 local minima로 수렴한다." 측정 가능한 입력(프레임당 feature 수)과 측정 가능한 결과(ICP의 수렴점)가 인과 한 줄로 묶이고, 그제야 한 학생의 손이 움직일 수 있는 작업이 된다. 좁히기의 단위는 세 종류다. **constraint**(어떤 조건에서 — indoor low-light), **objective**(무엇을 — 프레임당 feature 수와 ICP 수렴점의 인과), **test condition**(어떻게 검증 — feature 수 임계값 sweep으로 ICP 수렴점 변화 측정). 세 슬롯이 모두 채워지지 않은 problem statement는 아직 좁혀지지 않았다. 좁힐수록 작업 가능해지고, 작업 가능해지면 솔루션이 뒤따라온다. > 좁히기는 보통 3-4회. 한 번에 너무 좁히면 일반화가 깨지고, 너무 넓게 두면 작업이 시작되지 않는다. > problem statement는 한 단락 이내로 적는다. 한 단락을 넘으면 아직 좁히지 못한 것이고, 두 problem이 섞여 있을 가능성이 높다. 좁히기의 절차는 모두에게 같다. 다만 그 절차를 기록하는 양식은 사람마다 다르다. 다음 섹션에서 그 양식을 본다. --- ## 2.5 personal style 좁히기의 algorithm은 모두에게 동일하다. 다만 그 algorithm을 적는 방식은 자기 것이다. [Knuth, Larrabee, Roberts 1989](https://www-cs-faculty.stanford.edu/~knuth/klr.html) §10이 그 점을 한 줄로 적었다. > Get a personal style that works for you. 같은 챕터(§43)에 더 강한 표현이 한 번 더 등장한다. "the style has to be your own. You will write things that someone else will never write." Knuth의 함의는 단순하다. problem statement를 적는 양식, 가상 데이터를 그리는 다이어그램, constraint·objective·test를 분리해 두는 기호 체계 — 이런 도구는 학습 가능한 자기 도구고, 한 번 정착하면 5년이 지나도 같은 형태로 유지된다. 한 학생이 자기 problem statement 양식을 5년 안에 정착시키는 편이 권장 방향이다. 양식이라는 단어가 거창하게 들리지만, 실은 노트 한 페이지의 상단에 어떤 항목을 어떤 순서로 적는지, 좁히기 단계마다 어떤 기호로 표시하는지의 사소한 합의다. 그 사소한 합의가 일관되게 유지되면, 6개월 뒤 본인이 그 노트를 다시 봤을 때 그 시점의 자기 생각이 즉시 복원된다. 일관성이 곧 도구다. > Knuth §10의 personal style은 problem statement 양식에도 적용된다. 자기 노트 양식을 5년 안에 정착시키는 게 권장 방향이다. --- Ch.1에서 stub로 잡아 둔 hypothesis placeholder가 이 장의 좁히기 절차를 거쳐 한 단락짜리 problem statement로 자랐다. 그 단락이 본인 종이 위에 적힌 시점에서 학생의 화법이 바뀐다. "잘 안 되네요"가 "이 조건에서 이렇게 해볼까요"로 바뀐다. 그 전환이 일어나는 시점이 곧 주제의 주도권이 어드바이저에서 학생으로 넘어오는 시점이다. 다음 챕터에서 그 전환을 본다. --- **출처.** [권창현 교수 G7 「파인만 알고리즘」](https://gradschoolstory.chkwon.net/changhyun/%ec%97%b0%ea%b5%ac%ec%9d%98-%eb%b9%84%eb%b2%95-%ed%8c%8c%ec%9d%b8%eb%a7%8c-%ec%95%8c%ea%b3%a0%eb%a6%ac%ec%a6%98/), [Whitesides 2004](https://onlinelibrary.wiley.com/doi/10.1002/adma.200400767), [Knuth et al. 1989](https://www-cs-faculty.stanford.edu/~knuth/klr.html). 다음: [Ch.3 — 주도권의 이동: 교수 제안에서 내 주제로](./chapter_03_ownership_shift.md) # Ch.3 — 주도권의 이동: 교수 제안에서 내 주제로 [Ch.2 (문제 정의)](./chapter_02_feynman_problem.md)에서 problem statement가 학생의 손으로 옮겨오는 순간을 봤다. 한 줄짜리 문제 진술이 본인의 종이 위에 적힌 시점, 그 시점에서 주도권 이동이 비로소 가능해진다. 문제 진술이 어드바이저 입에서만 살아 있는 동안에는 주도권 이동이라는 말 그 자체가 성립하지 않는다. 이 장은 그 다음을 본다. 문제 진술이 학생 손에 들어왔다고 해서 주도권이 자동으로 이동하지는 않는다. 화법·작업 단위·시점이 함께 옮겨가야 이동이 완료된다. [권창현 교수 G6 「내 연구하기」](https://gradschoolstory.chkwon.net/changhyun/%eb%82%b4-%ec%97%b0%ea%b5%ac%ed%95%98%ea%b8%b0/)가 이 이동을 가장 단단하게 정리했고, [Whitesides 2004](https://onlinelibrary.wiley.com/doi/10.1002/adma.200400767) §2의 collaboration model이 그 이동의 작업 단위를 outline 한 장으로 못 박았다. 여기에 Lamport가 Stanford CS 209 (1987) 게스트 강의에서 남긴 wastebasket criterion을 §4에 보조축으로 둔다. 폐기를 두려워하지 않는 자세가 주도권 이동을 떠받친다는 관점이다. 세 자료가 같은 현상을 advisor-student 관계의 세 면에서 본다. --- ## 3.1 주도권 곡선 박사 1-2년차에 학생이 주도권을 갖지 않는 것은 정상이다. 분야의 history가 손에 안 잡혀 있고, 도구 체인이 익숙하지 않고, lab의 문화 그 자체가 아직 외부 변수에 가깝다. 이 시기의 어드바이저 안내는 좌표 부여에 가깝다. Ch.1의 분야 지도, Ch.2의 문제 진술이 어드바이저의 손에서 학생의 손으로 옮겨가는 시기. 3년차 이후에도 어드바이저 제안만 따라가는 패턴이 지속되면 졸업이 늦어진다. 곡선이 평평하게 누우면 어드바이저는 새 제안을 계속 만들어 줘야 하고, 학생은 매번 그 제안의 수행자로 머문다. 졸업이라는 사건은 학생이 한 분야의 작은 영역에서 어드바이저보다 더 잘 아는 상태에 도달했다는 인증이다. 수행자 위치에서는 그 상태에 도달할 수 없다. > "교수도 잘 알게 돼야, 학생이 졸업한다." 권창현 교수가 G6에 적은 한 줄이다. 학생이 어드바이저에게 가르쳐줄 수 있을 만큼 해당 영역을 알게 된 시점이 졸업의 조건이라는 진단이다. 그래서 곡선의 기울기는 학생이 만든다. 어드바이저가 강제로 끌어올릴 수 있는 부분이 아니다. > **박사 후반에 어드바이저 제안만 수행하는 패턴이 지속되면 졸업이 늦어진다.** 주도권 이동은 연기 가능한 옵션이 아니라 졸업 조건이다. 곡선이 평평하게 누운 자리에서 가장 자주 들리는 자기 변명이 교과서를 다 읽고 시작하겠다는 마인드다. [김기섭 교수](https://gsk1m.github.io/productivity/2024/05/25/entering-research.html)가 같은 곳을 한 줄로 박았다. > "농사는 씨를 뿌려야 시작이지, 농업 이론서를 다 읽는 게 시작이 아니다." 완벽한 이해 후에 실험이라는 관점은 시작을 무한정 미루다가 결국 어드바이저의 다음 제안을 기다리는 자세로 굳는다. 필요한 만큼만 공부하고 실험에 뛰어들어 막힐 때 다시 찾아보는 운영이 주도권 이동의 1년차 자세다. 기술 부채의 누적, 그 부채는 다음 라운드에서 갚으면 된다. 시작을 미루는 비용 쪽이 누적에서 더 무겁다. --- ## 3.2 화법의 전환 같은 결과를 두 화법으로 보고할 수 있다. 실험이 안 된 결과를 들고 왔을 때, 한쪽 보고는 "잘 안 되네요"로 끝난다. 다른 쪽 보고는 "이렇게 해볼까요"로 이어진다. 두 화법은 정보량이 같지만 결정의 위치가 다르다. > "잘 안 되네요" — 결정이 어드바이저 쪽에 떠넘겨진 상태. 어드바이저는 다음 행동을 새로 제안해야 한다. 학생은 다시 수행자로 돌아간다. > > "이렇게 해볼까요" — 결정이 학생 손에 잡혀 있는 상태. 어드바이저는 그 결정을 검토만 하면 된다. 학생이 한 라운드의 delta를 가져왔다. 두 화법이 갈리는 지점은 안 되는 결과를 문제 발견의 기회로 볼 수 있느냐다. 제안된 방법이 실패한 지점은 곧 분야의 미해결 영역이 드러난 곳이다. Ch.1의 hypothesis placeholder, Ch.2의 problem statement가 학생 손에 있을 때, 이 실패 지점은 본인의 placeholder를 갱신하는 입력이 된다. 그래서 화법 전환은 마인드의 문제이기 전에 입력의 흐름이 어디로 향하는가의 문제다. > "자기 논문은 자기가 써야 한다." > > — 권창현 교수, 「내 연구하기」 권창현 교수의 두 번째 한 줄. 어드바이저가 같은 결과를 받아 더 좋은 다음 행동을 제안할 수도 있다. 다만 그 제안을 받아 쓰는 사람은 결국 학생이다. 결정의 위치를 어드바이저에게 떠넘기는 화법이 누적되면 본인의 연구 감각이 자라지 않는다. > **"잘 안 되네요"로 끝나는 보고는 결정을 어드바이저에게 떠넘긴다.** 같은 결과를 "이렇게 해볼까요"로 가져온다. --- ## 3.3 작업 단위로서의 outline 화법이 바뀌어도 작업 단위가 바뀌지 않으면 주도권 이동은 표면에 머문다. Whitesides가 §2.2 collaboration model에 박은 작업 단위가 outline 한 장이다. > "I will take this outline, add my opinions, suggest changes, and return it to you. It usually takes four to five iterations (often with additional experiments) to agree on an outline." > > — Whitesides 2004, §2.2 어드바이저-학생 협업의 단위는 outline 한 장이다. 4-5회 반복이 한 단위. 한 라운드마다 학생이 outline을 갱신해 보내고, 어드바이저는 의견을 더해 돌려보낸다. 그 사이에 추가 실험이 끼어들기도 한다. outline 위에서 같이 설계하는 모델이다. 이 단위 안에서 주도권 이동은 delta가 누구 손에서 나왔는가로 측정된다. 1-2회차에는 어드바이저의 의견이 outline의 거의 모든 슬롯을 다시 쓰는 게 흔하다. 3-4회차에 들어가면 학생이 한두 슬롯의 변경을 먼저 제안하기 시작한다. 마지막 한 라운드에서 학생이 outline의 형태를 거의 결정하면 주도권이 학생 쪽으로 옮겨왔다. delta의 출처가 어떻게 옮겨가는가가 진짜 지표다. Whitesides 자신은 이 4-5회 반복의 기술 디테일을 §1에서 따로 다뤘다. 변경의 단위, 슬롯별 채움, hypothesis placeholder의 사용은 [Part 2 ch02 (outline-first)](./chapter_17_outline_first.md)가 본다. 이 장은 같은 반복의 관계 차원만 본다. > outline 4-5회 반복이 주제 소유권 이동의 작업 단위다. 한 라운드의 delta가 누구 손에서 나왔는가가 진짜 지표. --- ## 3.4 wastebasket criterion delta가 학생 손에서 나오기 시작하면 그 delta의 다수가 결국 폐기된다. 4-5회 반복 사이에 학생이 제안한 변경의 절반 이상은 다음 라운드에서 다시 갈아엎히는 게 정상이다. 폐기를 두려워하지 않는 자세가 주도권 이동을 떠받친다. Lamport가 Stanford CS 209 (1987) §31 게스트 강의에 남긴 한 줄이 그 자세를 가장 짧게 정리했다. > "Judge an artist not by the quality of what is 관점d and hanging on the walls, but by the quality of what's in the wastebasket." > > — Lamport, in Knuth et al. 1989, §31 폐기한 best로 자신을 평가한다는 기준. 발표한 논문은 시점·venue·공저자 사정으로 살아남은 결과이고, 폐기한 논문은 본인이 진짜로 보고 있던 영역의 best를 보여 준다는 진단이다. 곧 폐기한 best의 수준이 본인의 진짜 수준에 가깝다는 뜻. 학생 단계에 옮기면 함의가 바뀐다. 폐기를 두려워하면 어드바이저의 안전한 제안만 따라가게 된다. 첫 시도가 폐기될까 봐 새 방향을 제안하지 못하면 내 연구가 시작되지 않는다. 폐기된 시도는 문제 발견의 단서로 보관된다. 어떤 가정이 실패한 지점이 곧 다음 outline 1회차의 입력이다. 권창현 교수가 G6에 박은 가장 강한 한 줄이 같은 자세를 advisor-student 관계 쪽에서 본다. > "교수는 아무 것도 모른다." 이 한 줄은 어드바이저의 지식을 부정하는 진술이 아니다. 본인이 막 들어가려는 작은 영역에 한해, 어드바이저도 결국 한정된 정보로 제안한다는 관찰이다. 어드바이저의 제안이 곧 정답이라는 가정을 버리면 폐기의 비용이 내려간다. 그제야 학생이 폐기 위에서 다음 시도를 본인 손으로 결정하는 단계, 주도권 이동의 마지막 한 발이 따라온다. > 폐기를 두려워하지 않는다. 폐기한 시도가 진짜 문제 발견의 단서다. --- ## 3.5 한국 advisor 적응 지금까지의 화법·작업 단위는 Whitesides가 가정한 비교적 평평한 어드바이저-학생 관계를 전제한다. 한국 lab의 hierarchical 출발은 그 전제에서 한 발 떨어져 있다. 학생이 "이렇게 해볼까요"를 처음부터 자연스럽게 꺼내기 어려운 환경이 흔하다. 다만 이 hierarchical 출발은 결함이 아니다. 1-2년차 좌표 부여 단계에서는 hierarchical 형태가 오히려 효율적인 경우가 많다. 학생의 random walk를 줄이고, lab의 누적된 분야 감각을 빠르게 전달한다. 문제는 그 형태가 3년차 이후에도 그대로 유지될 때다. 형태는 그대로지만 delta의 출처는 점진적으로 옮겨가야 한다. 같은 weekly meeting 안에서도 outline 한 장 위의 변경 제안이 학생 손에서 먼저 나오기 시작하면 충분하다. 실무용 양식 하나를 제안한다. weekly 1-page outline-with-deltas. 지난주 outline + 이번주 변경 한 페이지. 어드바이저는 변경 부분만 본다. 형식이 가벼운 만큼 hierarchical lab에서도 마찰이 적고, delta 출처의 추적이 양쪽 모두에 가시화된다. 어드바이저가 본인 subfield 전문이 아닐 때(흔하다. 인접 subfield 전문인 경우가 더 흔하다) 한 가지 처방이 더 붙는다. Lamport가 §31에서 "you are excited about" 기준을 좋은 논문의 계기로 꼽았는데, 이 기준은 학생 측 강조점으로 옮겨진다. 어드바이저가 깊이 검증해 줄 수 없는 영역에서는 학생이 왜 이 방향에 끌리는가를 outline 안에 한 줄로 명시하는 편이 협업의 입력 품질을 끌어올린다. 화법 전환이 갈등 회피용 침묵과 다른 지점이 여기다. 후자는 어드바이저를 존중하면서도 결정을 가져온다. 주도권이 학생 손에 들어오고 나면 다음 질문이 따라온다. 그 작업이 연구인가 task인가. 화법·작업 단위가 학생 쪽으로 옮겨졌더라도 그 안에서 굴리는 작업의 성격이 task에 가까우면 곡선의 기울기가 다시 평평해진다. [Ch.4 (연구와 작업을 구분하는 법)](./chapter_04_hazelrigg_jungle.md)가 그 분류를 본다. 마지막으로, 「대학원노트」 Part 3 ch01 「내 연구를 갖기」가 이 장와 같은 주제를 마음·시간 차원으로 다룬다. 이 장은 화법·작업 단위 차원에서, 「대학원노트」 쪽은 정체성·기간 차원에서 같은 이동을 본다. 두 자료를 함께 보면 이동의 두 면이 보인다. --- **출처.** [권창현 교수 G6 「내 연구하기」](https://gradschoolstory.chkwon.net/changhyun/%eb%82%b4-%ec%97%b0%ea%b5%ac%ed%95%98%ea%b8%b0/), [Whitesides 2004](https://onlinelibrary.wiley.com/doi/10.1002/adma.200400767), [Knuth et al. 1989 §31 (Lamport)](https://www-cs-faculty.stanford.edu/~knuth/klr.html). 다음: [Ch.4 — 연구와 작업을 구분하는 법](./chapter_04_hazelrigg_jungle.md) # Ch.4 — 연구와 작업을 구분하는 법 [Ch.3 (주도권의 이동)](./chapter_03_ownership_shift.md)에서 화법·작업 단위가 학생 쪽으로 기울고 나면 책상 위의 작업을 내 작업이라 부를 수 있는 단계가 온다. 그 다음 막힘은 모양이 또 다르다. 매일 코드를 짜고, system을 tuning하고, 새로운 dataset을 돌려도, 그 작업이 연구인지 task인지의 감각이 흐릿하게 남는 단계다. 손에 들어온 작업이 의미를 가지려면 그 작업이 새 지식을 만드는지 아닌지를 진단할 도구가 필요하다. 이 장은 그 진단의 두 도구를 겹쳐 쓴다. 정글 탐험가 비유가 직관 표현이고, 네 가지 연구 유형이 추상 분류다. 두 표현을 같이 두고 자기 작업을 가져다 댄다. [Ch.2 (문제 정의)](./chapter_02_feynman_problem.md)에서 좁힌 problem statement가 그 두 도구를 통과하는 시점이 이 장의 입력이다. --- ## 4.1 작업 vs 연구: task / objective / goal [권창현 교수](https://gradschoolstory.chkwon.net/changhyun/%ec%a7%80%ea%b8%88-%ed%95%98%ea%b3%a0-%ec%9e%88%eb%8a%94-%ea%b2%8c-%ec%97%b0%ea%b5%ac%ec%9d%b8%ea%b0%80-%ec%95%84%eb%8b%8c%ea%b0%80/)는 「지금 하고 있는 게 연구인가, 아닌가?」에서 학생의 시간 단위를 세 층으로 잘랐다. **task**는 오늘 한 일이다. 코드 한 줄, 실험 한 회, figure 한 컷이 task다. **objective**는 지금 쓰고 있는 한 논문에서 보일 것이다. "이 논문에서 BEV feature가 night-time loop closure에 효과적임을 보인다"가 objective다. **goal**은 분야 전체가 풀려는 큰 질문이다. "long-term autonomy를 어떻게 달성할 것인가"가 goal이다. 학생이 시간을 쓰는 곳은 task다. 학생이 정해야 하는 곳은 objective이고, 학생이 바라보는 곳은 goal이다. 세 층은 위계를 이룬다. task만 쌓이고 objective가 비어 있으면 1년치 작업이 한 편의 논문으로 묶이지 않는다. objective는 있으나 goal과 연결이 흐릿하면 그 논문이 분야에 왜 필요한지가 답이 안 된다. "개발", "설계", "최적화", "제어" 같은 동사는 task로는 가능하지만 자동으로 objective·goal로 올라가지 않는다. SLAM system을 개발하는 일과 SLAM의 어떤 명제를 검증하는 일은 다르다. 전자는 engineering achievement이고 후자는 research contribution이다. 둘은 venue도, reviewer가 묻는 질문도, 졸업 심사에서 받는 평가도 다르다. > **task ≠ objective ≠ goal.** 세 층의 구분이 흐릿한 채로 작업을 쌓으면 그 작업이 연구인지 task인지 진단되지 않는다. --- ## 4.2 정글 탐험가 비유 §1의 세 층 구분은 추상적이다. 같은 명제를 직관 한 줄로 압축한 비유가 있다. [최윤섭 박사](https://gradschoolstory.chkwon.net/yoonsup/what-phd-means/)가 「박사 학위의 의미」에서 적은 정글 탐험가 비유다. > 교과서는 이미 탐사된 영역의 지도, 박사는 그 끝을 넘어 자기 손으로 지도를 새로 그리는 과정. 비유에서 중요한 장면은 지도의 끝이다. 지도의 안쪽은 이미 누군가가 그려 둔 영역이고, 그 바깥은 본인이 한 걸음씩 확인해야 하는 영역이다. 박사 학위는 지도의 경계 밖에서 계속 그릴 준비가 되었다는 인증에 가깝다. 비유의 핵심은 지도의 끝에 있다. 끝 안쪽은 누군가 이미 그렸고, 누구나 들여다볼 수 있다. 그 영역에서 작업을 잘 하는 일은 가치 있는 task다. 다만 지도를 새로 그리는 일은 아니다. 새 지식은 끝 바깥에서만 만들어진다. 한 발짝의 크기는 작아도 된다. 지도에 안 적힌 곳이라는 조건만 만족하면 된다. 연구라 부를 수 있는 작업은 모두 이 한 발짝의 변형이다. 다만 한 발짝을 어떤 방향으로 디디는지가 분류된다. Hazelrigg의 4-type이 그 방향의 분류이고, §1의 시간 층위(task/objective/goal)와 직교하는 내용 층위다. 두 층위를 같이 든 채 다음 섹션에서 진단을 진행한다. --- ## 4.3 새 지식의 네 가지 형태 §1의 task/objective/goal이 시간 층위의 분류 — 오늘 / 이번 논문 / 분야 전체 — 였다면, Hazelrigg 4-type은 내용 층위의 분류다. objective 슬롯에 들어간 한 contribution이 어떤 종류의 새 지식을 만드는가를 묻는다. 두 분류는 직교 축이고, 이 장은 두 축을 같이 든 채로 진단을 진행한다. NSF의 George Hazelrigg가 On the Role and Use of Mathematical Models in Engineering Design에서 제시한 4-type은 한 한국어 paragraph로 옮길 수 있다. 연구는 새로운 지식을 만들어내는 활동이고, 그 활동이 만드는 지식의 종류는 네 가지다. 명제가 옳은지 그른지를 데이터로 결정하는 가설 검정, 현상의 정량적 성질을 데이터로 결정하는 측정, 명제가 옳다는 것을 논리로 결정하는 추측 증명, 다른 분야의 도구·관점을 본 분야 문제에 적용하는 학제간 융합. 새 지식을 만들지 않는 작업은 이 네 칸 어디에도 들어가지 않는다. 네 칸을 분리해서 본다. - **가설 검정 (hypothesis testing).** 명제가 옳은지 그른지를 데이터로 결정하는 작업이다. 명제가 미리 적혀 있고, 그 명제가 참이라면 어떤 데이터가 보일지가 미리 그려져 있고, 실험은 그 그림과 실제 데이터를 비교한다. "BEV feature가 night-time loop closure에 효과적이다"가 가설의 한 예다. - **측정 (measurement).** 현상의 정량적 성질을 데이터로 결정하는 작업이다. 가설은 어느 쪽이 옳은가를 묻지만 측정은 얼마인가를 묻는다. "KITTI-360에서 6개 SLAM system의 RTE (relative translation error) 분포는 어떻게 생겼는가"가 측정의 한 예다. - **추측 증명 (proof of conjecture).** 명제가 옳다는 것을 논리로 결정하는 작업이다. 데이터가 아니라 증명이 결정의 도구다. "SLAM의 핵심 최적화 절차인 Bundle Adjustment의 수렴이 outlier ratio < 30%에서 보장된다"가 증명의 한 예다. - **학제간 융합 (interdisciplinary transfer).** 다른 분야의 도구·관점을 본 분야 문제에 적용하는 작업이다. 도구의 출처와 적용 대상이 분야 경계를 넘는다. "communication theory의 codebook 학습을 visual descriptor 설계에 적용한다"가 한 예다. 자기 작업을 네 칸에 가져다 대 본다. 어디에도 안 들어가면 그 작업은 task일 가능성이 높다. 한 칸에 들어가면 그게 곧 contribution claim의 type이다. 다만 두 칸에 동시에 들어가면 다음 섹션에서 볼 봉합 문제가 발생한다. --- ## 4.4 single contribution과의 봉합 Hazelrigg 4-type이 작업의 종류를 묻는다면, [Mensh & Kording 2017](https://doi.org/10.1371/journal.pcbi.1005619) Rule 1은 한 논문에 몇 개의 작업이 들어가는가를 답한다. > Focus your paper on a central contribution, which you communicate in the title. 한 논문 = 한 contribution이다. 두 contribution을 한 논문에 욱여넣으면 둘 모두에 대한 설득력이 떨어지고, 독자는 1년 뒤 그 논문을 한 줄로 요약하지 못한다. Mensh-Kording의 표현을 빌리면 greedy paper다. 이 두 framework를 봉합하면 paper-level scoping의 첫 질문이 한 줄로 정리된다. 이 한 논문의 한 contribution은 4-type 중 어디에 해당하는가. 이 질문에 한 칸으로 답이 안 나오면 보통 둘 중 하나다. (1) 작업이 4-type 어디에도 안 들어간다. engineering achievement일 가능성이 높고 venue 선택이 다르다. (2) 두 type이 동시에 들어 있다. Rule 1을 깬 것이고, 한 논문을 두 편으로 분리하거나 한 type을 다음 논문으로 미뤄야 한다. > **한 논문 = 한 contribution = 한 type.** 4-type 중 어디에 해당하는지 한 칸으로 답이 안 나오면 paper-level scoping이 안 된 상태다. --- ## 4.5 로보틱스/CV에서의 4-type 진단 도구는 추상 분류만으로는 손에 잘 잡히지 않는다. 자기 분야의 사례에 한 번 가져다 대 보면 분류의 칸이 비로소 구체화된다. 로보틱스/CV의 흔한 작업을 네 칸에 한 사례씩 박는다. 가설 검정. "BEV feature pyramid는 night-time loop closure recall을 raw image보다 높인다"는 한 줄짜리 명제가 있다. 명제가 참이라면 night benchmark에서 BEV-feature 기반 retrieval의 recall@1이 image-feature baseline보다 통계적으로 유의하게 높을 것이라는 그림을 미리 그린다. 실험은 그 그림과 실제 측정을 비교한다. ICRA·IROS의 method paper 다수가 여기 들어간다. 측정. "KITTI-360, MulRan, Boreas 세 dataset에서 LIO-SAM·KISS-ICP·SuMa 세 system의 RTE 분포는 어떻게 다른가"는 명제가 아니라 정량 질문이다. 결정해야 하는 답은 옳은가/그른가가 아니라 얼마인가, 어떤 분포인가다. T-RO·IJRR의 benchmark·survey paper, 그리고 일부 dataset paper가 여기 들어간다. 추측 증명. "outlier ratio가 30% 미만일 때 graduated non-convexity가 global optimum으로 수렴한다"는 명제는 데이터로 결정할 작업이 아니다. 가정과 정리의 형태로 적히고, 증명이 결정의 도구가 된다. T-RO, IJRR의 일부 theoretical paper, 그리고 control·optimization 쪽 논문이 여기 들어간다. 다만 한국 lab에서는 빈도가 낮다. 학제간 융합. "communication theory의 vector quantization codebook 학습 절차를 visual place recognition descriptor에 적용한다"는 작업은 도구의 출처가 다른 분야이고 적용 대상이 본 분야다. 융합은 단순 적용으로 끝나지 않고 적용 과정에서 새로운 문제 정의를 동반하는 경우가 많다. CVPR의 cross-domain paper, ICRA의 learning-based perception paper 일부가 여기 들어간다. 분야 단면을 한 줄로 적는다. 한국 robotics lab은 가설 검정과 학제간 융합 빈도가 높고 측정과 증명 빈도가 낮다. venue로 옮기면 ICRA·IROS·CVPR은 type 1·4 우세, T-RO·IJRR은 type 2·3 비중이 높다. 한 lab이 type 1·4에만 몰리면 venue 선택의 자유도가 좁아진다. > type 다양화는 venue 선택의 자유도를 늘린다. type 2·3 작업을 한 번씩이라도 시도해 두면 졸업까지의 publication 분포가 균형을 잡는다. --- ## 4.6 superlative 회피와 claim 정량화 [Knuth, Larrabee, Roberts 1989](https://www-cs-faculty.stanford.edu/~knuth/klr.html) §1 rule 12가 4-type 진단의 마지막 점검 도구다. > When describing your own work, be humble and don't use superlatives of praise, even if you are enthusiastic. 자기 작업을 설명할 때 "best", "novel", "state-of-the-art" 같은 최상급은 거의 항상 claim의 정량화 부족 신호다. 비교가 무엇 대비 무엇인지가 빠져 있고, 어떤 metric에서 얼마만큼 좋은지가 빠져 있다. 같은 작업을 정량화된 형태로 다시 적으면 superlative가 자연스럽게 사라진다. "novel SLAM system"보다 "frame-to-frame matching에서 RANSAC inlier ratio를 X% → Y%로 올린 SLAM system"이 정직하고 검증 가능하다. 같은 점검을 4-type 목록으로 다시 한 번 한다. "robotic system을 개선했다"는 claim은 4-type 어디에도 안 들어갈 가능성이 있다. 어떤 가설이 검정됐는가, 무엇이 측정됐는가, 무엇이 증명됐는가, 어떤 분야의 도구가 옮겨졌는가. 네 질문 중 하나에 답이 안 나오면 그 claim은 task의 보고이지 contribution claim이 아니다. 4-type 목록이 superlative 점검과 같은 방향에서 작동한다. 둘 다 claim을 정량화 가능한 형태로 끌어내리는 도구다. > "best", "novel", "state-of-the-art"가 자기 abstract에 보이면 그 표현을 4-type 목록으로 다시 검사한다. 어느 칸에 들어가는지 정확히 짚이면 superlative 자리에 정량화된 비교가 들어온다. 같은 목록이 [Part 3 ch02 (Introduction)](./chapter_23_introduction.md)에서 contribution claim 작성 단계의 자기 점검 도구로 다시 등장한다. 진단의 도구가 작성의 도구로 그대로 이어진다. --- 진단의 끝에 마음의 짐이 하나 남는다. 4-type 어디에 들어가는지 매번 즉답할 수 있는 학생은 거의 없다는 사실이다. 같은 곳에서 권창현 교수가 인용한 아인슈타인의 한 줄이 위안이 된다. > 우리도 우리가 뭐하는지 잘 모르잖아요. 알면 연구 아니잖아요. 자기 작업이 어느 type인지 흐릿한 채로 한 학기가 지나가는 일은 정상이다. 흐릿한 채로 한 발짝씩 디디면서 type이 점차 또렷해지는 게 정상의 모양이다. 다만 흐림과 막힘은 다르다. type을 전혀 묻지 않은 채로 1년이 지나가면 그 1년의 작업이 task의 더미로 끝날 위험이 있다. 한 달에 한 번이라도 자기 작업을 4-type 목록과 정글 비유에 가져다 대는 습관이 그 위험을 막는다. 같은 정글 비유가 「대학원노트」 Part 1 ch01 「박사를 결정한다는 일」에서는 진학을 결정하는 단서로 쓰인다. 이 장은 같은 비유를 현재 작업을 진단하는 단서로 가져왔다. 같은 비유가 두 층위에 적용된다. 작업이 4-type 중 한 칸에 들어간다는 진단이 끝나도 그 작업이 언제 어떻게 진행되는가는 별개의 질문이다. 다음 챕터는 type이 분류된 작업이 생각의 시간에 들어가 있는지, 책상 점유 시간에만 머물고 있는지를 가른다. --- **출처.** [권창현 교수 G8 「지금 연구인가」](https://gradschoolstory.chkwon.net/changhyun/%ec%a7%80%ea%b8%88-%ed%95%98%ea%b3%a0-%ec%9e%88%eb%8a%94-%ea%b2%8c-%ec%97%b0%ea%b5%ac%ec%9d%b8%ea%b0%80-%ec%95%84%eb%8b%8c%ea%b0%80/), [최윤섭 박사 「박사 학위 의미」](https://gradschoolstory.chkwon.net/yoonsup/what-phd-means/), [Mensh & Kording 2017](https://doi.org/10.1371/journal.pcbi.1005619), [Knuth et al. 1989](https://www-cs-faculty.stanford.edu/~knuth/klr.html). 로보틱스/CV의 4-type 사례와 venue별 type 분포 관찰은 이 장에서 정리했다. 다음: [Ch.5 — 생각의 시간: 책상에 오래 있었다고 연구가 된 것은 아니다](./chapter_05_thinking_time.md) # Ch.5 — 생각의 시간: 책상에 오래 있었다고 연구가 된 것은 아니다 [Ch.4](./chapter_04_hazelrigg_jungle.md)에서 자기 일이 연구인지 아닌지를 물었다면, 다음 질문은 더 현실적이다. 연구라면, 그 연구는 언제 진행되는가. 연구실에 오래 앉아 있었다는 사실은 위안이 되지만 진척을 보장하지는 않는다. 어떤 날은 열두 시간을 보냈는데도, 문제는 아침과 똑같은 모양으로 남아 있다. [최윤섭 박사](https://gradschoolstory.chkwon.net/yoonsup/think/)는 「생각해라. 생각해라. 생각해라.」에서 시간을 세 가지로 나눈다. 연구실에 앉아 있는 시간, 실제로 연구를 진행한 시간, 그리고 온전히 생각에 들어간 시간. 이 셋은 같지 않다. 박사과정의 진척은 세 번째 시간, 곧 문제가 머릿속에서 정말 움직인 시간에 더 가깝다. --- ## 5.1 세 가지 시간 연구실에 앉아 있는 시간은 가장 쉽게 센다. 출근 시간과 퇴근 시간이 있고, 캘린더와 슬랙 기록도 남는다. 그래서 우리는 자주 그 시간을 진척으로 착각한다. 하지만 오래 앉아 있었다는 사실과 무언가가 분명해졌다는 사실은 다르다. 최윤섭 박사가 말하는 생각의 시간은 단순한 잡념이 아니다. 한 문제에 완전히 빨려 들어가, 주변의 환경과 시간 감각까지 희미해지는 몰입에 가깝다. 메일 한 번, 메시지 한 번에도 깨지는 시간이고, 하루에 한두 시간만 제대로 남아도 한 학기 뒤에는 차이가 보이는 시간이다. 진척은 연구실에 머문 시간으로 재기 어렵다. 하루를 돌아볼 때 먼저 물어야 할 것은 “무엇이 조금 더 분명해졌나”다. 코드 한 줄이 바뀌지 않았더라도 문제의 모양이 선명해졌다면 그날은 앞으로 간 것이다. 반대로 결과 폴더가 늘었는데 왜 좋아졌는지 설명하지 못한다면, 그날은 오래 있었을 뿐이다. --- ## 5.2 몰입이 시작되는 자리 생각은 의지로 바로 켜지지 않는다. 책상 앞에서 “이제부터 몰입하자”고 결심한다고 곧장 몰입이 오지는 않는다. 오히려 생각은 손이 조금 비어 있고, 화면이 멀어지고, 다음 일이 바로 들이닥치지 않는 시간에 자주 시작된다. 최윤섭 박사는 자기에게 그런 시간이 찾아오는 자리로 샤워, 산책, 대중교통, 지하철역, 재미없는 세미나 같은 순간을 든다. 중요한 것은 그 목록 자체가 아니다. 공통점은 외부 자극이 줄어든다는 데 있다. 며칠째 들고 있던 문제가 그제야 머릿속에서 한 번 정리된다. 사람마다 그런 자리는 다르다. 누군가에게는 달리기이고, 누군가에게는 설거지이고, 누군가에게는 운전대 앞일 수 있다. 자기에게 생각이 트이는 시간을 몇 가지 알고 있는 학생은 문제가 막혔을 때 책상에서 더 버티는 대신 자리를 바꿀 수 있다. 책상 자체가 늘 생각의 출발점은 아니다. 책상에는 화면, 메신저, 메일, 검색창이 있다. 외부 자극이 계속 들어오는 자리다. 생각은 자투리에서 시작되어 책상으로 돌아와 기록되는 경우가 많다. --- ## 5.3 멈춤도 연구의 일부다 케큘레가 벤젠 고리 구조를 떠올렸다는 유명한 일화는 사실 여부와 별개로 연구자들이 자주 겪는 한 장면을 잘 보여 준다. 오래 들여다본 문제가 정면으로 붙잡고 있을 때는 풀리지 않다가, 잠깐 물러난 자리에서 모양을 바꾸어 떠오르는 일이다. 이런 멈춤은 게으름과 다르다. 아무것도 보지 않은 문제를 덮어 두면 아무 일도 일어나지 않는다. 충분히 들여다본 문제가 잠시 손에서 떨어졌을 때, 머리는 같은 문제를 다른 각도에서 정리한다. 산책이나 샤워가 도움이 되는 이유도 같다. 이미 들여다본 문제가 잠깐 다른 장소로 옮겨가기 때문이다. 계속 붙잡고 있는 것이 성실함처럼 보일 때가 있다. 하지만 같은 길로만 계속 들어가면 같은 막힘을 반복한다. 연구에는 밀어붙이는 시간도 필요하지만, 물러나서 다시 보이는 시간도 필요하다. --- ## 5.4 손으로 쓰는 이유 생각이 떠올랐다고 해서 곧바로 글이 되는 것은 아니다. 그 생각을 붙잡는 도구가 흐름을 살리기도 하고 끊기도 한다. Knuth는 손으로 쓰는 속도가 생각의 속도와 잘 맞고, 타자는 생각보다 빨라 오히려 멈춤을 만든다고 말한다. 여기서 중요한 것은 자기 사고 속도와 맞는 도구를 고르는 일이다. 어떤 사람에게는 연필이고, 어떤 사람에게는 아무 장식 없는 텍스트 파일이고, 어떤 사람에게는 태블릿 필기 앱이다. 좋은 도구는 흐름을 끊지 않는 도구다. 새 도구를 익히는 시간과 생각하는 시간을 섞지 않는 편이 좋다. 새 LaTeX 템플릿, 새 노트 앱, 새 자동완성 환경을 만지는 동안에는 생각이 도구에 끌려간다. 도구는 따로 익히고, 생각의 시간에는 이미 손에 익은 도구를 쓴다. --- ## 5.5 글은 키보드 앞에서만 만들어지지 않는다 Halmos는 글쓰기 시간의 대부분을 구성에 쓴다고 말했다. 어떤 문장을 어디에 둘지, 무엇을 먼저 말하고 무엇을 나중에 말할지, 어느 지점에서 독자가 길을 잃을지를 생각하는 시간이다. 글의 질은 많은 경우 문장보다 순서에서 먼저 결정된다. 그래서 키보드를 두드리는 시간만 글쓰기라고 보면 빗나간다. 한 문단의 순서를 머릿속에서 바꾸는 시간, 종이에 화살표를 그리는 시간, 산책하면서 도입부의 첫 문장을 다시 생각하는 시간도 글쓰기다. 눈에 보이는 글자 수는 늘지 않아도 글은 그 시간에 만들어진다. [Ch.17 — 아웃라인 우선](./chapter_17_outline_first.md)이 아웃라인을 여러 번 고쳐 그리라고 말하는 이유도 같다. 글은 순서를 다시 놓는 과정에서 단단해진다. --- ## 5.6 코드가 돌아가는 것과 이해한 것은 다르다 로보틱스와 CV에서 생각의 시간을 가장 자주 빼앗는 것은 코드 디버깅이다. 디버깅은 진척처럼 느껴진다. 출력이 바뀌고, 에러가 사라지고, 로그가 쌓인다. 하지만 코드가 돌아간다는 사실과 왜 돌아가는지 설명할 수 있다는 사실은 다르다. 코드가 돌아가는데 이유를 설명하지 못하면 아직 논문을 쓸 준비가 되지 않은 것이다. 리뷰어 앞에서는 결과 숫자만으로 버틸 수 없다. 어떤 조건에서 왜 좋아졌고, 어떤 조건에서 왜 무너지는지를 말할 수 있어야 한다. 이 함정에서 벗어나는 가장 단순한 방법은 일주일에 한 번이라도 코드 없이 문제를 다시 쓰는 것이다. 종이에 현재 가설, 깨지는 조건, 확인해야 할 그림을 적는다. 결과를 숫자로만 보지 말고 그림으로 그려 본다. 랩미팅 준비도 “왜 이 일이 풀리거나 안 풀렸는지”를 설명하는 시간으로 써야 한다. 생각의 시간은 책상에 오래 앉는다고 자동으로 생기지 않는다. 오래 본 문제를 잠시 다른 자리로 가져가고, 돌아와 손에 익은 도구로 붙잡고, 코드 대신 설명으로 다시 확인할 때 생긴다. 연구 시간은 결국 그런 시간이 얼마나 남았는가로 결정된다. --- **출처.** [최윤섭 박사 G5 「생각해라 ×3」](https://gradschoolstory.chkwon.net/yoonsup/think/), [Knuth et al. 1989](https://www-cs-faculty.stanford.edu/~knuth/klr.html) §6·§42. 다음: [Part 1 Ch.1 — 왜 읽는가, 그리고 무엇을 안 읽을지 정하는 법](./chapter_06_why_read.md) # Ch.6 — 왜 읽는가, 그리고 무엇을 안 읽을지 정하는 법 [Keshav 2007](https://web.stanford.edu/class/ee384m/Handouts/HowtoReadPaper.pdf) 도입부는 "연구자는 매년 수백 시간을 논문 읽기에 쓴다"라는 관찰로 시작한다. 2007년의 관찰이고, arXiv가 하루에 수백 편씩 새 프리프린트를 받는 지금의 분야에서는 이 수치가 더 이상 충분치 않다. paper graph와 alert가 한 주에 수십 편을 밀어 넣는 동안 한 편도 끝까지 읽지 못했다는 후배의 푸념이 흔한 풍경이 됐다. [임형태 박사](https://github.com/LimHyungTae/paper-writing-checklist)는 비슷한 맥락에서 "다 읽으려 들지 마라"는 권고를 자주 든다. 다 읽기를 시도하는 순간 한 편도 못 읽는 상태로 빠진다는 관찰이다. 그래서 읽기 전에 먼저 결정할 것은 무엇을 안 읽을지가 된다. --- ## 6.1 시간보다 먼저 닳는 것 논문 한 편을 읽는 비용은 시간만이 아니다. Keshav가 §1에서 적은 문장 중 하나가 "규율 잡힌 이 방식 덕분에 디테일에 빠져 익사하지 않는다"인데, 익사라는 표현이 시사하는 비용은 곧 집중력이다. 잘못 고른 한 편에 두 시간 집중력 예산을 쓰고 나면, 같은 날 다음 한 편을 제대로 읽기 어렵다. 집중력이 시간보다 먼저 닳는다. 그러니 선별이 읽기보다 먼저 온다. 읽을 후보 30편을 늘어놓고 그중 안 읽을 25편을 먼저 표시한다. 남은 5편이 그 주의 진짜 후보다. --- ## 6.2 안 읽을지 정하는 신호들 후보를 줄이는 데 자주 쓰이는 신호 네 가지가 있다. **Citation velocity.** arXiv에 6개월 올라와 있는 동안 인용이 한 번도 안 잡힌 프리프린트는 일단 보류 큐로 보낸다. 분야의 동료들이 한 번도 인용하지 않았다는 신호 그 자체가 이미 정보다. **저자·기관 prior.** 신뢰가 쌓인 그룹의 신작은 first pass 우선권을 받는 한편, cold start 그룹의 단발성 프리프린트는 survey 논문을 먼저 거친 후 돌아오는 편이 마찰이 적다. 로보틱스에서는 [Cyrill Stachniss 그룹](https://scholar.google.com/citations?user=8vib2lAAAAAJ&hl=en)의 신작이 우선권을 받는 패턴이 흔히 보인다. **Figure 1 test.** figure 1을 30초 본 후 한 줄 message가 잡히지 않으면 보류한다. [Mensh & Kording 2017](https://doi.org/10.1371/journal.pcbi.1005619) rule 6은 figure 1이 논문 전체의 논증을 한 컷으로 담아야 한다고 적는다. 한 컷에서 message가 안 잡히면 글쓴이 본인이 아직 논증을 못 잡았다는 신호로 읽는다. **Abstract의 broad-narrow-broad 구조.** Mensh-Kording rule 5는 abstract가 broad 도입 → 핵심 narrow → broad 함의의 모래시계 구조를 가진다고 적는다. 이 구조가 무너진 abstract는 글쓴이가 자기 message를 못 잡았다는 1차 신호인 한편, abstract 첫 두 문장과 마지막 두 문장만 보고 모래시계가 잡히는지 30초 안에 판단해 본다. 네 신호 모두 빠른 거절을 위한 것이다. 빠른 거절이 빠른 읽기를 가능케 하는 만큼, 선별은 읽기의 첫 단계로 다루는 편이 자연스럽다. --- ## 6.3 목적이 패스를 결정한다 같은 논문도 왜 읽는가에 따라 패스 깊이가 달라진다. 분야 지형을 훑는 읽기와 직접 재구현할 작정의 읽기는, 같은 paper에 같은 시간을 쓰는 일이 아니다. 지형 훑기는 한 편당 5분, 100편 메타데이터 수준에서 끝낸다. Keshav 1st pass 한 번에 5 Cs만 채우고 닫는다 (Ch.2·Ch.3에서 자세히). 재구현 작정의 읽기는 정반대다. 한 편에 4–5시간을 쓰고, Keshav 3rd pass의 virtual re-implementation까지 들어간다. 그 사이에 peer-review 의뢰를 받은 읽기, 평생 3–5편만 골라 한 줄도 안 빼고 읽는 gold-standard 읽기가 놓인다. 한 세션에 두 목적을 섞지 않는 편이 좋다. 지형 훑기로 시작했는데 figure 한 컷이 흥미로워 3rd pass로 넘어가면, 그날의 다른 9편이 거기서 죽는다. Keshav가 경고한 "디테일에 익사"가 바로 그 양상이다. 같은 논문은 다음 세션에 다시 열면 그만이다. 분야 쪽 논의에서도 같은 관점이 양 vs 깊이로 반복된다. 로보틱스 신입은 흔히 논문부터 많이 읽으려고 한다. > "배경이 없는 상태에서 논문 20편을 쌓아봐야 20편이 각각 따로 남는다. 한 편을 붙잡고 그 논문이 참조하는 챕터 3개를 읽는 편이, 10편을 스쳐 지나가는 것보다 낫다." > > — robotics-practice ch22 § 22.3 읽기의 첫 단계는 깊이다. 한 편이 참조하는 챕터 3개를 따라가면 그 한 편의 어휘가 본인 안에 들어선다. 20편을 스쳐 지나가면 어휘 20개가 모두 바깥에 머문다. 선별이 안 읽을 25편을 먼저 표시하는 작업이라면, 다음 차례는 남은 5편 중 어느 한 편을 깊이 들여다보는가다. --- ## 6.4 큐레이션 도구 선별을 손으로만 하기에는 양이 많다. 그래서 큐레이션은 도구에 위임한다. paper graph alert, author follow, venue page, OpenReview thread, project page를 한 weekly brief로 묶는다. 도구 이름은 바뀌어도 원칙은 같다. 신뢰 그룹의 신작과 citation graph에서 가까운 논문만 후보로 올리고, 나머지는 안 읽을 목록으로 내린다. 매일 들어오는 알림을 매일 열지 않는 이유도 같다. 매일 보면 집중력 예산이 그 자리에서 닳기 때문이다. 큐레이션이 내놓는 것은 안 읽을 25편의 명단이다. 이 명단을 만든 후, 남은 후보에 Ch.2의 3-pass를 적용한다. 코드 작성 도구가 옆에서 일하는 시대에 읽기는 어떻게 바뀌는가. 한 줄로 정리해 보면 이렇다. > 코드 작성 도구가 널리 쓰이는 지금도, 만 줄짜리 문서를 읽고 맥락을 파악하는 일은 사람에게 남아 있다. 잘 읽는 사람이 도구도 잘 다룬다. > > — robotics-practice ch22 § 22.5 도구가 읽기를 대신 없애 주지는 않는다. 오히려 어느 논문을 직접 읽을지 고르는 판단이 더 중요해진다. --- **출처.** [Keshav 2007](https://web.stanford.edu/class/ee384m/Handouts/HowtoReadPaper.pdf) §1, [Mensh & Kording 2017](https://doi.org/10.1371/journal.pcbi.1005619) rules 5·6, [임형태 박사, paper-writing-checklist](https://github.com/LimHyungTae/paper-writing-checklist) §1, robotics-practice ch22 § 22.3·§ 22.5 (분야 쪽 논의). 다음: [Ch.2 — 논문을 세 번에 나누어 읽기](./chapter_07_keshav_three_passes.md) # Ch.7 — 논문을 세 번에 나누어 읽기 [Keshav 2007](https://web.stanford.edu/class/ee384m/Handouts/HowtoReadPaper.pdf)이 §1에서 적은 문장 중 자주 인용되는 한 줄은 "각 패스는 고유한 목적이 있고, 다음 패스는 이전 패스 위에서만 의미가 있다"이다. 한 번에 다 읽으려는 충동을 가장 큰 적으로 둔다. Ch.1에서 다룬 모드 분류가 왜 읽는가에 답한다면, 3-pass는 어떻게 단계적으로 읽는가에 답한다. 핵심은 increasing detail. 패스마다 디테일이 한 단계 깊어지고, 각 패스 끝에 "여기서 멈출지"의 결정 게이트가 붙는다. Keshav가 자주 환기하는 점은 모든 논문에 3패스를 완주하지 않는다는 것이고, 다수는 1st pass 끝에서 멈춘다. L2 reader 입장의 위안이 하나 필요하다. 한국어권 글쓴이 [엄태웅 대표](https://gradschoolstory.chkwon.net/terry/readingpapers/)가 「영어 못해도 논문 잘 읽는 법」에서 적은 한 줄이 거기에 놓인다. > "지금도 영어를 못하며, 앞으로도 못할 것이다. 그래도 논문은 읽는다." 영어 능력의 결핍을 인정한 채로 들어가는 패스가 Keshav 3-pass의 한국 독자용 시작점이다. 다만 영어 디테일에 막혀 멈추는 것과, 패스 절차에 따라 의도적으로 건너뛰는 것은 다르다. 후자가 Keshav가 가리키는 쪽이다. --- ## 7.1 1st pass — Bird's eye (5–10분) 같은 패스를 한국어 독자에게 익숙한 방식으로 풀어낸 글이 [엄태웅 대표 G1 「영어 못해도 논문 잘 읽는 법」](https://gradschoolstory.chkwon.net/terry/readingpapers/)의 4단계 절차다. abstract → conclusion → 그림·표 → introduction 순서로 훑는다. Keshav §2.1과 실질적으로 동일한 절차다. 들어가는 곳(abstract·conclusion·heading·figure)과 안 들어가는 곳(본문 디테일)이 같다. 차이는 설명 방식뿐이다. > "초록은 출발 비디오여행의 영화 하이라이트다." > > "표·그림은 영어만 남은 사막에 한 줄기 오아시스다." > > "서론은 주옥같은 다음 논문들을 소개받는 보물창고다." 세 비유가 1st pass에서 읽는 곳의 기능을 정확히 짚는다. abstract는 논문 전체의 압축 요약, figure는 영어 본문을 넘기는 시각 단축, introduction의 reference는 다음 논문 목록의 큐레이션이다. Keshav §2.1은 1st pass를 "bird's-eye view"로 적는다. 다섯에서 십 분 안에 끝내는 패스다. 읽는 곳은 정해져 있다. title, abstract, intro, 각 section·subsection 헤딩, conclusion, 그리고 reference 목록을 한 번 훑는 정도다. 본문 단락, 수식, figure caption의 디테일에는 들어가지 않는다. 이 패스의 출력은 5 Cs — 종류, 맥락, 타당성, 기여, 명료성 — 다섯 칸짜리 요약이다 (Ch.3에서 시트로 다룬다). 5 Cs를 채운 직후 중단 / 보류 / 진행 셋 중 하나를 결정한다. 5분 안에 5 Cs가 다 채워지지 않으면 두 갈래다. 글쓴이가 abstract를 망쳤거나, 읽는 쪽 배경이 부족하다. 둘 다 멈춤 신호로 받는다. --- ## 7.2 2nd pass — Grasp content (한 시간 이내) Keshav §2.2는 2nd pass를 "내용을 잡는" 패스로 적는다. 상한 한 시간. 본문을 정독하되 증명 디테일은 건너뛰고, figure와 graph는 면밀히 본다. 엄태웅 대표가 같은 단계에서 적은 "수식 디테일을 모르고 넘어가도 OK, 입출력과 필요성만 잡는다"는 Keshav §2.2의 "ignore proof details"와 같은 명제다. 출처는 다르지만 권고가 일치한다. 한국어권 독자가 자기 영어 부족을 진단 신호로 오인하는 일이 잦아, 두 출처를 함께 둔다. Keshav가 §2.2에서 적은 인상적인 권고 중 하나는 축 라벨과 오차막대 같은 사소한 디테일이 연구의 수준을 드러낸다는 말이다. 그래서 axis 라벨, 단위, error bar, significance 표기는 caption뿐 아니라 plot 자체에서 확인해야 한다. 모르는 reference를 만나도 그 자리에서 추적하지 않는다. 마킹만 하고 다음 단계로 넘긴다. ref 추적은 lit survey 단계의 일이다 (Ch.4에서 자세히). 이 패스의 출력은 본문의 main thrust + supporting evidence를 한 단락으로 적은 요약이다. 한 시간이 넘어가면 배경이 부족하다는 신호이고, 그러자면 모르는 ref 한두 편에 1st pass를 한 후 본 논문의 2nd pass로 복귀하는 편이 자연스럽다. --- ## 7.3 3rd pass — Virtual re-implementation (4–5시간 / 숙련자 한 시간 안팎) Keshav §2.3은 3rd pass를 "to virtually re-implement the paper"로 적는다. quotable로 자주 떼어 인용되는 문장은 "3패스의 핵심은 논문을 머릿속으로 재구현해 보는 것이다"이다. 방법은 정해져 있다. 저자가 깐 가정과 같은 가정에서 출발해, 같은 결론에 도달할 방법을 읽는 쪽이 직접 설계한다. 그러고 나서 저자의 선택과 비교한다. 일치하지 않는 부분이 곧 implicit assumption, 약점, 빌려올 기법이다. 이 패스의 출력은 가정 목록, 약점 목록, 그리고 다른 작업에 빌려올 기법 목록이다. Reviewer 모드에 들어갈 작정이라면 3rd pass가 사실상 필수인 만큼 (Ch.5에서 자세히), 신입 박사과정에게는 4–5시간이 권장 분량이고, 같은 분야를 오래 본 숙련자에게는 한 시간 안팎으로 줄어든다고 Keshav는 적는다. --- ## 7.4 패스별 입력 / skip / 결과 정리 | Pass | Input | Skip | Output | 시간 | |------|-------|------|--------|------| | 1 | title·abstract·heading·conclusion·refs glance | 본문·수식·figure 디테일 | 5 Cs + 중단/보류/진행 | 5–10분 | | 2 | 본문·figure·graph (axis·error bar 포함) | 증명 디테일·미상 ref 추적 | 한 단락 요약 | ≤ 1시간 | | 3 | 전체 + 가정 점검 + 재구현 시도 | (없음) | 가정·약점·기법 목록 | 4–5시간 (숙련자 ~1시간) | Keshav가 §2 마지막에 환기하는 점은 패스 사이의 의존성이다. 1st pass 없이 2nd pass에 바로 들어가면 본문 어디에 시간을 쓸지 잡히지 않고, 2nd pass 없이 3rd pass에 들어가면 재구현할 핵심이 잡히지 않는다. 그래서 패스를 건너뛰지 않는 권고가 그 의존성에서 나온다. --- ## 7.5 시간 예산을 넘는 경우의 진단 각 패스의 시간 예산을 넘기면, 그 자체가 진단 신호다. 1st pass가 10분 안에 안 끝나면 두 갈래로 나뉜다. abstract의 broad-narrow-broad가 무너졌거나 (Ch.1에서 다룬 신호), 분야 배경이 부족하다. 2nd pass가 한 시간을 넘으면 ref 한두 편의 1st pass 후 복귀하는 편이 낫다. 3rd pass는 시간 예산보다 재구현 막힘 지점이 신호다. 막힌 지점은 대개 implicit assumption이다. 왜 늘어났는가를 적는 편이 낫다. --- ## 7.6 읽기를 도와주는 도구 3-pass 절차 위에 한 층위가 더 얹혀 있는 시점이다. 1st pass에서 abstract와 conclusion을 읽은 직후 paper packet — 논문 URL, PDF, project page, code, OpenReview나 supplementary가 있으면 그것까지 — 을 AI에 넣고 질문을 건다. 질문은 요약해 줘가 아니라 contribution claim 세 개와 각 claim의 근거 위치를 찾아 줘, related work에서 가장 자주 비교되는 baseline과 그 표/문단 위치를 짚어 줘, Eq. 5가 어떤 가정에서 나오는지 단계별로 풀고 모르면 모른다고 표시해 줘 쪽이 낫다. 2nd pass의 정독 단계에서 본문 어디에 시간을 쓸지 좌표가 더 빨리 잡히고, 한 시간 상한 안에서 ref 한두 편의 1st pass에 쓸 시간이 그만큼 확보된다. > AI가 찾아 준 근거 위치가 틀리면 그 결과는 버린다. 논문의 미묘한 가정, limitation 섹션의 뉘앙스, 실험 세팅의 세부 사항은 직접 읽어야 한다. 읽는 쪽이 직접 들어가야 하는 것(가정·limitation·실험 세팅)과 AI에 위임 가능한 것(근거 위치 후보·baseline 후보·유도 단계 초안)이 같은 절차의 두 층위로 갈라진다. AI는 읽기를 대체하지 않고, 읽을 위치를 좁혀 준다. (이전에 robotics-practice ch19 § 19.7에 정리된 내용으로, 분야 보조 사례로 가져옴.) --- **출처.** [Keshav 2007](https://web.stanford.edu/class/ee384m/Handouts/HowtoReadPaper.pdf) §1·§2.1·§2.2·§2.3. [엄태웅 대표 G1 「영어 못해도 논문 잘 읽는 법」](https://gradschoolstory.chkwon.net/terry/readingpapers/) — 4단계 절차와 한국어 설명. robotics-practice ch19 § 19.7.1 — 읽기 보조 도구에 관한 보조 사례 (분야 쪽 논의). 다음: [Ch.3 — 5 Cs 체크리스트](./chapter_08_five_cs.md) # Ch.8 — 5 Cs: 첫 번째 훑어읽기 뒤에 남겨야 할 것 [Keshav 2007](https://web.stanford.edu/class/ee384m/Handouts/HowtoReadPaper.pdf) §2.1은 논문을 처음 훑은 뒤 다섯 가지 질문에 답하라고 말한다. 이 논문은 어떤 종류인가. 누구의 작업과 이어지는가. 가정은 그럴듯한가. 핵심 기여는 무엇인가. 글은 분명한가. 영어로는 Category, Context, Correctness, Contributions, Clarity라 해서 5 Cs라 부른다. 첫 번째 읽기의 목표는 논문을 완전히 이해하는 것이 아니다. 이 논문을 더 읽을지, 나중으로 미룰지, 여기서 멈출지를 판단하는 것이다. 그래서 5 Cs는 읽고 난 뒤 머릿속에 무엇이 남았는지 확인하는 짧은 기록에 가깝다. --- ## 8.1 종류 — 이 논문은 무엇을 하는가 먼저 논문의 성격을 한 줄로 적는다. 새 시스템을 소개하는 논문인지, 기존 방법을 분석하는 논문인지, 새로운 측정이나 벤치마크를 제시하는 논문인지, 한 아이디어를 실험으로 밀어붙이는 논문인지 구분한다. 자료는 보통 제목과 초록 첫 문장에 있다. “딥러닝 논문” 같은 답은 너무 넓다. “RGB-D 입력으로 조밀한 지도를 만드는 시스템 논문” 정도는 되어야 다음 논문과 비교할 수 있다. --- ## 8.2 맥락 — 누구의 작업 뒤에 서 있는가 초록만 읽고 맥락을 다 알 수는 없다. 도입부 첫 단락과 참고문헌의 앞부분을 보면서 이 논문이 어느 갈래의 연구 뒤에 서 있는지 적는다. 어느 그룹의 어떤 논문이 반복해서 등장하는지, 거꾸로 있어야 할 논문이 빠져 있지는 않은지를 본다. 맥락이 전혀 잡히지 않으면 잠시 멈추는 편이 낫다. 그 분야의 survey나 tutorial을 먼저 보고 돌아오면, 같은 10분도 훨씬 쓸모 있게 쓰인다. --- ## 8.3 타당성 — 첫인상에서 무리한 가정은 없는가 첫 번째 읽기에서 논문의 타당성을 증명하려 들 필요는 없다. 그 일은 세 번째 읽기에 가깝다. 여기서는 주장과 가정이 처음 보기에 심하게 어긋나지 않는지만 본다. 예를 들어 모든 실험이 한 데이터셋에만 묶여 있는데 일반성을 크게 주장한다면 표시해 둔다. 동적 환경을 다룬다고 하면서 실제 실험은 거의 정적 환경이라면 역시 적어 둔다. 첫 번째 읽기에서는 “이 가정은 나중에 다시 봐야 한다”는 표시만 남겨도 된다. --- ## 8.4 기여 — 글쓴이는 무엇을 기여했다고 말하는가 기여는 그림에서 짐작하지 말고 글쓴이가 직접 적은 문장에서 찾는다. 보통 도입부 마지막 단락의 contribution 문장이나 결론부에 있다. 그 문장이 없다면, 그것 자체가 글의 명료성에 관한 신호다. 흔한 실수는 figure 1을 기여 목록으로 착각하는 것이다. figure 1은 논증을 한 컷으로 보여 줄 수는 있지만, 기여의 목록 자체는 아니다. 핵심 기여는 “우리는 무엇을 보였는가”, “무엇을 만들었는가”, “무엇을 측정했는가” 같은 문장으로 확인해야 한다. --- ## 8.5 명료성 — 훑어도 길을 잃지 않는가 명료성은 독자가 논문의 길을 따라갈 수 있는가의 문제다. 영어가 유창한가의 문제와 다르다. 초록은 넓은 배경에서 시작해 논문의 좁은 기여로 들어갔다가 다시 의미를 넓혀 주는가. 제목과 소제목만 훑어도 논문의 흐름이 보이는가. 첫 번째 읽기에서는 그 정도를 보면 충분하다. 문장이 다소 서툴러도 구조가 분명한 논문은 계속 읽을 수 있다. 반대로 문장은 매끄러운데 초록과 소제목이 서로 다른 방향을 가리키면, 두 번째 읽기에서 시간이 많이 든다. 5 Cs의 명료성 항목은 바로 그 비용을 미리 적어 두는 자리다. --- ## 8.6 세 가지 결정 다섯 질문에 답한 뒤에는 결정을 내려야 한다. 더 읽을지, 나중으로 미룰지, 여기서 멈출지다. 종류와 기여가 분명하고, 맥락도 어느 정도 잡히며, 가정에 큰 무리가 없어 보이면 두 번째 읽기로 넘어간다. 종류와 기여는 보이지만 배경을 몰라 판단이 어렵다면 보류 — survey 한 편이나 핵심 참고문헌 몇 편을 먼저 읽고 돌아온다. 글 자체가 너무 흐려서 핵심 기여를 찾을 수 없다면 멈춘다. 모든 논문을 끝까지 읽을 필요는 없다. 기록은 짧으면 충분하다. ```text Title: Authors / Year / Venue: 종류: 맥락: 타당성: 기여: 명료성: 결정: 중단 / 보류 / 계속 메모: ``` 5 Cs의 가치는 한 편을 읽을 때보다 여러 편을 같은 방식으로 남겼을 때 드러난다. 한 달 뒤 같은 분야의 논문들이 나란히 놓이면, 어떤 문제가 반복되고 어떤 기여가 새로웠는지 보이기 시작한다. 첫 번째 읽기는 그때 비로소 분야 지도를 만드는 재료가 된다. --- **출처.** [Keshav 2007](https://web.stanford.edu/class/ee384m/Handouts/HowtoReadPaper.pdf) §2.1, [Mensh & Kording 2017](https://doi.org/10.1371/journal.pcbi.1005619) rules 5·6, [Gopen & Swan 1990](https://www.americanscientist.org/blog/the-long-view/the-science-of-scientific-writing). 다음: [Ch.4 — Literature Survey Workflow](./chapter_09_lit_survey_workflow.md) # Ch.9 — Literature Survey Workflow: 논문 입력 시스템 [Keshav 2007](https://web.stanford.edu/class/ee384m/Handouts/HowtoReadPaper.pdf) 3-pass는 한 편이 손에 들어왔을 때 무엇을 하는가의 규약이다. 그런데 본인이 한 주에 다섯 편을 정독한다고 해도, 그 다섯 편이 어디서 흘러 들어오는가는 별개의 작업으로 남는다. ch01에서 다룬 안 읽을 25편 표시가 triage라면, 이 장은 그 25편이 어떤 입력 시스템에서 올라오는가를 본다. 여기서 자주 어긋나는 결정이 있다. 입력원을 늘리는 일과 판단 시간을 정하는 일을 분리하는 결정이다. alert, paper graph, lab page, OpenReview, 학회 program, SNS를 모두 켜 놓으면 입력은 늘어나지만 판단은 흐려진다. 2026년의 문제는 후보 과잉이다. 입력 시스템의 목적은 이번 주에 직접 읽을 3-5편을 남기고 나머지를 내려놓는 일이다. --- ## 9.1 입력 4종 — 무엇을 켜고 무엇을 닫는가 분야 senior가 실제로 운영하는 입력은 네 묶음 안에 들어간다. 각 입력이 들어오는 것과 비용이 다른 만큼, 네 묶음을 모두 같은 강도로 보는 결정은 잘못된 결정이다. **입력 1 — paper graph와 alert.** Google Scholar·Semantic Scholar·OpenAlex·arXiv·Connected Papers류 도구가 담당하는 층위다. 이 입력은 후보를 넓게 잡는 데 강하지만 노이즈도 크다. 매일 열지 말고 weekly brief의 재료로 둔다. **입력 2 — 신뢰 그룹·저자·랩 페이지.** ch01에서 정한 신뢰 prior가 있는 그룹·저자의 신작을 받는다. cold start 그룹을 많이 follow하면 alert가 다시 잡음으로 바뀐다. 신뢰는 alert가 만들어 주지 않는다. 신뢰가 쌓인 뒤에 alert를 거는 편이 맞다. **입력 3 — venue와 review surface.** 학회 proceedings, OpenReview thread, accepted paper list, workshop page, tutorial page가 여기에 들어간다. 여기서는 어떤 논문이 어느 자리에서 논쟁됐는가가 보인다. rebuttal과 reviewer discussion이 공개된 venue에서는 abstract보다 review thread가 더 빠른 triage 신호가 되기도 한다. **입력 4 — 해설과 큐레이션.** 분야 senior blog, lab note, tutorial slide, newsletter, 긴 form의 해설 글이다. 들어오는 것은 왜 이 논문이 중요한가의 해석이다. paper가 못 잡은 디테일이 senior의 blog에 풀려 있는 사례가 많은 만큼, 본 형식의 정독+구현 사이클은 [Ch.14](./chapter_14_reading_with_code.md)에서 자세히 다룬다. SNS는 별도 입력 시스템으로 세지 않는다. 좋은 신호가 들어오기도 하지만 휘발성이 강하고, 클릭하는 순간 다른 것까지 같이 끌고 온다. 학회 주간에만 켜거나, 이미 신뢰하는 사람의 thread를 나중에 확인하는 정도면 충분하다. 본인 시간 예산이 주 1.5시간이라면 입력 1·2만 켠다. 시간이 늘어나면 입력 3·4가 따라붙는다. 입력 수가 본인 시간을 역으로 결정하지 않도록 두는 것이 핵심이다. --- ## 9.2 AI weekly brief — 자동화의 기본 단위 입력원을 골랐으면 한 weekly brief로 묶는다. 직접 수집 파이프라인을 짜는 일은 이제 기본값이 아니다. 이미 있는 alert와 paper graph export를 가져오고, 필요한 경우에만 작은 스크립트나 agent를 붙인다. 핵심은 질문 양식이다. weekly brief가 답해야 할 질문은 정해져 있다. | 질문 | 출력 | |---|---| | 이번 주 내 thesis와 가장 가까운 후보는 무엇인가 | 후보 5-10편 | | 왜 가까운가 | thesis keyword와 연결되는 한 줄 | | 어디를 확인해야 하는가 | abstract·figure·table·OpenReview 위치 | | 무엇을 안 읽을 것인가 | 제외 후보와 제외 이유 | AI에는 metadata와 abstract에 더해 source URL, project page, code link, OpenReview link가 있으면 같이 넣는다. 그러고 나서 "후보를 고르되 각 후보마다 근거 위치를 붙이고, 근거가 없으면 없음이라고 표시하라"고 묻는다. 한 시간짜리 weekly 블록은 AI가 올린 후보와 제외 사유를 검증하는 시간으로 바뀐다. AI 선별 결과를 읽었다고 착각하지 않는다. 0차 후보 선별과 근거 위치 후보까지가 AI의 몫이고, 1st pass는 본인이 들어간다. AI가 만든 5 Cs를 그대로 노트에 박아두면, 6개월 후 본인의 노트가 본인이 통과한 자료가 아닌 AI가 통과한 자료의 누적이 된다. 노트에 남길 것은 본인이 확인한 근거 위치와 다음 결정이다. --- ## 9.3 core paper set이 먼저 — 신간은 그 위에 놓인다 입력 시스템은 신간만 다루지 않는다. 분야의 고전 5-10편을 본인 안에 박아두지 않으면, 신간이 어떤 흐름 위에 놓이는지 안 잡힌다. 그래서 신입 1년차의 권장 작업은 core paper 1편을 정독하는 것 쪽으로 기운다. 분야 쪽 논의의 정전 리스트는 robotics-practice ch20 § 20.4 필독 논문 리스트에 정리되어 있다. SLAM 쪽이라면 ORB-SLAM, LOAM, VINS-Mono, FAST-LIO2가 리스트의 머리에 놓인다. CV 쪽이라면 ResNet, Transformer, ViT가 같이 묶인다. 신간이 들어왔을 때 첫 작업은 이 논문이 우리 분야의 어느 고전 위에 놓이는가를 한 줄로 적어 보는 것이고, 그 한 줄이 적히지 않으면 core paper set이 아직 본인 안에 안 박혔다는 신호다. 신입의 우선순위는 core paper 1편 정독이다. 입력 시스템은 core paper가 박힌 후에 본격 가동된다. core paper가 비어 있는 상태에서 신간 30편을 읽으면 30편이 각각 따로 남는 한편, core paper가 박힌 후의 신간 5편은 한 흐름 위에 묶여 들어간다. --- ## 9.4 weekly digest 운영 — 정해진 시간에만 본다 입력원을 골랐고 weekly brief도 만들었고 core paper도 박혔으면, 남은 결정은 언제 보는가다. 매일 보는 결정은 잘못된 결정이다. 매일 보면 집중력이 거기서 닳고, 본인이 정독에 쓸 두 시간이 알림으로 흩어진다. 권장 운영은 주 1회 1-2시간 블록 쪽으로 잡힌다. 이 블록의 출력은 정해져 있다. | 항목 | 내용 | |---|---| | 후보 5편 | 그 주의 1st pass 후보 | | 각 5 Cs 한 줄 | category·context·correctness·contribution·clarity (ch03 양식) | | 근거 위치 | abstract·figure·table·review thread 중 확인한 자리 | | 결정 게이트 | 중단 / 보류 / 진행 (ch01 §2의 네 신호 적용) | | 보류 큐 | 다시 돌아올 시점 함께 | 이 출력이 본인의 노트 시스템(ch10에서 자세히)에 그대로 흘러 들어간다. weekly 블록 끝에 5편의 한 줄짜리 5 Cs와 근거 위치가 노트에 박히면, 한 달이 지난 시점에서 20편의 검증된 노트가 본인 안에 누적된다. 분야 쪽 논의에서 같은 관점이 한 번 더 짚인다. > 코드 작성 도구가 널리 쓰이는 지금도, 만 줄짜리 문서를 읽고 맥락을 파악하는 일은 사람에게 남아 있다. 잘 읽는 사람이 도구도 잘 다룬다. > > — robotics-practice ch22 § 22.5 자동화가 논문을 대신 읽어 주지는 않는다. 입력 시스템이 매일 흘러도, weekly 블록에서 어느 논문을 직접 읽을지 고르는 결정은 여전히 본인 몫이다. 그 결정이 본인의 thesis가 놓일 곳을 정한다. --- **출처.** [김기섭 교수 「arXiv 최신논문 트래킹 자동화」](https://gsk1m.github.io/productivity/2023/03/18/arxiv-searcher-automation.html) (2023.03), [김기섭 교수 「Robotics 최신 학계 소식 받아보기」](https://gsk1m.github.io/productivity/2023/02/28/robotics-worldwide.html) (2023.02), [Keshav 2007](https://web.stanford.edu/class/ee384m/Handouts/HowtoReadPaper.pdf) §1, robotics-practice ch20 § 20.4 (필독 논문 리스트, 분야 쪽 논의)·ch22 § 22.5 (AI 시대 참조). paper graph 기반 입력, weekly brief 운영, AI를 이용한 0차 선별과 근거 위치 검증은 이 장에서 정리했다. 다음: [Ch.5 — Reviewer로 읽기](./chapter_10_reading_for_review.md) # Ch.10 — Reviewer로 읽기 [Keshav 2007](https://web.stanford.edu/class/ee384m/Handouts/HowtoReadPaper.pdf) §2.3은 "리뷰어가 한 번 훑어보고도 요지를 잡지 못하면 그 논문은 십중팔구 반려된다"고 적었다. 그 한 번이 1st pass다. 다만 의견을 작성하는 단계는 3rd pass다. 두 패스를 섞으면 인상 비평이 되고, 인상 비평은 reviewer 자신을 reject 사유로 만든다. --- ## 10.1 3rd pass를 완주한다는 것 Keshav가 새내기 reviewer에게 권장한 시간은 4-5시간이다. 본인은 1시간 안쪽으로 끝낸다고 적었지만, 이 차이는 경력이지 능력이 아니라는 점을 동시에 강조했다. 그래서 의뢰를 수락한 시점에 캘린더에 5시간 블록을 박는 것이 첫 작업이다. 회피하기 좋은 사유가 두 가지 있다. "내 분야가 아니어서 잘 모르겠다"와 "deadline이 일주일 남았다". Keshav는 둘 다 답이 아니라고 적었다. 전자에는 §4의 적격성 유보 양식이 받고, 후자에는 거절 회신이 받는다. 3rd pass의 정의 그 자체가 논문을 머릿속으로 재구현해 보는 것이다 (Keshav §2.3). 재구현 없이 적은 코멘트는 reviewer 본인 위치에서 검증된 의견이 아니다. editor가 이런 review를 받으면 reviewer 풀에서 빼는 쪽이 합리적이라는 점을, reviewer 의뢰를 처음 받은 사람이 먼저 알아두는 편이 안전하다. 같은 자세가 지적 성실성의 한 면이다. [김기섭 교수](https://gsk1m.github.io/productivity/2024/05/25/entering-research.html)가 적은 한 줄이 그 자세를 짧게 정한다. > "실험 결과가 가설과 다르면, 결과를 의심하기 전에 가설을 의심하라." reviewer 자세에서 같은 권고를 적용하면, 본문이 자기 직관과 다르게 흘러갈 때 자기 사전 가정이 틀렸을 가능성을 먼저 본다는 절차가 된다. 자기 마음을 바꿀 수 있는 학생만이 reviewer 코멘트에서도 자기 가설을 의심하는 절차를 굴린다. 내가 모르는 것이 무엇인지 아는 메타인지가 reviewer 적격성의 본체와 겹친다. --- ## 10.2 Virtual re-implementation 4단계 Keshav §2.3은 "challenge every assumption"을 reviewer 모드의 핵심 동작으로 든다. 이 동작을 학생이 실제로 수행할 수 있는 절차로 풀면 다음 4단계가 된다. 1. **기여 목록을 자기 언어로 다시 적는다.** 저자 표현을 그대로 베끼지 않는다. 베끼면 자기 머리를 통과하지 않은 채 다음 단계로 간다. 2. **각 contribution마다 "내가 이걸 만든다면 어떻게?"를 3-5분 즉흥 설계한다.** 노트 한 페이지면 충분하다. 깔끔할 필요는 없다. 3. **저자의 선택과 자기 즉흥을 비교한다.** 두 설계가 어긋나는 지점이 있다. 그 지점이 implicit assumption이다. 4. **차이가 왜 다른지 본문에서 근거를 찾는다.** 못 찾으면 그 가정은 unstated assumption이고, reviewer 코멘트의 일등 후보가 된다. 이 절차는 `내가 다르게 했을 텐데 저자는 왜 같지 않았나?`를 질문으로 만든다. 그것이 곧 evidence-based question이다. 그 질문이 reviewer가 작성할 자격이 있는 코멘트가 된다. --- ## 10.3 가정 유형별 진단 Keshav는 가정 유형을 따로 분류하지 않았다. 그래서 로보틱스/CV 분야에서 반복적으로 나타나는 유형 5가지를 그 자체로 정리하면 다음과 같다. **데이터 가정.** 분포가 i.i.d.라고 명시되거나 묵시되는 경우다. 로보틱스에서는 거의 깨진다. 진단 질문은 "이 분포가 i.i.d.가 아니면 결과가 어디서 무너지나?"이다. **벤치마크 가정.** [KITTI](https://www.cvlibs.net/datasets/kitti/)만 등장하고 [Newer College](https://ori-drs.github.io/newer-college-dataset/)나 [MulRan](https://sites.google.com/view/mulran-pr/home)이 비어 있는 결과 표가 흔하다. 저자가 generalization을 주장한다면, 그 지점에서 evidence가 부족해진다. **Baseline 선택 가정.** 비교 대상이 2년 전 SOTA로 굳어 있고 최신 baseline이 빠져 있는 경우다. 진단 질문은 "이 baseline을 고른 이유가 본문에 있나?"이다. **Ablation 누락 가정.** 기여이 셋인데 ablation은 하나만 등장하는 표가 자주 보인다. 나머지 둘은 검증 없이 기여로 적혔다. **수학적 가정.** 가정 1, 2, 3이 나열되었는데 그중 하나가 결과에 결정적이고 그 한 가정만 본문에 motivation 한 줄도 없는 경우다. Keshav가 든 "challenge every assumption"이 가장 강하게 적용되는 곳이다. 다섯 유형의 공통점은 challenge가 곧 evidence 요청이라는 점이다. 톤은 [Part 3 ch11 (Revision·Rebuttal)](./chapter_32_revision_rebuttal.md)에서 받는 쪽 입장과 함께 다룬다. --- ## 10.4 코멘트 한 줄 = 본문 한 위치 Reviewer 양식에서 coordinator가 가장 자주 거절하는 코멘트는 위치 없는 코멘트다. "전반적으로 동기 부여가 약함"에는 위치가 없다. 그래서 editor가 이를 저자에게 전달하기 어렵고, 저자는 어디를 고쳐야 하는지 모른다. 결국 코멘트는 본문 위치(섹션·페이지·줄·figure 번호)와 1대1로 짝지어야 한다. 작업 양식은 단순하다. 시트 하나에 세 칸을 둔다. ``` [코멘트 본문] | [근거 위치] | [심각도: major / minor / clarification] ``` 심각도 분류 규칙을 그 자체로 정해두면 일관성이 올라간다. - **Major**: 핵심 contribution claim을 흔드는 evidence 부족. 예: "Section 3.2 (p.4, l.12) claims rotation-invariance, but the ablation in Table 2 omits rotation perturbation." - **Minor**: 명확성·표기·실험 보강 요청. 예: "Figure 4의 y축 단위 누락." - **Clarification**: "이게 X를 의미하는 게 맞나요?" 형태의 질문. Major 수와 fix 가능성이 추천(accept/weak accept/reject) 결정의 본체가 된다. 저자의 이름·기관·표기 친숙도가 결정에 끼어들면, 그것이 그 reviewer의 reject 사유가 된다. 분야 적격성은 별도 칸이다. Reviewer 양식의 confidence는 1-5 척도가 흔하다. 이 칸은 모르는 부분을 모른다고 적기 위한 칸이지, 통과시켜 주기 위한 칸이 아니다. 평가 못 하는 부분을 아는 척 통과시키면 적격성 유보의 반대편으로 가게 된다. Keshav가 적은 표현으로는, "전체 그림을 보기도 전에 디테일에 빠져 익사하지" 않는 절차가 의견 작성에도 똑같이 적용된다. --- 같은 referee-as-teacher 회로가 후배 멘토링에서 다시 굴러간다. 「대학원노트」 [Part 5 ch01 「후배를 키운다」](../grad-notes/chapter_21_mentor_juniors.md)가 이 장의 관점을 후배 멘토링 층위로 옮긴다. 동료의 글을 reviewer-as-teacher 자세로 읽는 일과 후배를 미래의 본인을 위한 리더십 위치에서 가르치는 일이, 결국 같은 관점의 두 적용이다. **출처.** [Keshav 2007](https://web.stanford.edu/class/ee384m/Handouts/HowtoReadPaper.pdf) §2.3 (3rd pass + virtual re-implementation, "challenge every assumption", reviewer 시간 예산). 가정 유형 분류·심각도 규칙·위치 매칭 양식은 이 장에서 정리했다. 다음: [Ch.6 — CCC 렌즈로 논문 해부하기](./chapter_11_ccc_lens.md) # Ch.11 — CCC 렌즈로 논문 해부하기 논문 한 단락을 다섯 번 읽었는데도 무슨 말인지 잡히지 않을 때, 학생이 가장 먼저 의심하는 쪽은 자기 머리다. 다만 [Mensh & Kording 2017](https://doi.org/10.1371/journal.pcbi.1005619) rule 3에 비추면 그 의심은 거의 매번 잘못된 방향이다. 단락이 안 읽히는 흔한 원인은 글쓴이가 맥락-Content-Conclusion 구조를 깨고 적었기 때문이고, 어디를 진단해야 하는지는 정해져 있다. CCC 그 자체를 쓰기 도구로 쓰는 것은 [Part 2 ch04](./chapter_19_ccc.md)의 영역이고, 이 장은 그것을 읽기 쪽으로 뒤집어 사용한다. 같은 원리, 반대 방향이다. --- ## 11.1 CCC는 fractal — 한 패턴이 세 스케일에서 반복된다 Mensh-Kording rule 3은 단락의 표준 구조를 첫 문장 = context, 가운데 문장들 = content, 마지막 문장 = conclusion으로 정식화한다. 같은 패턴이 단락 위 스케일로도 그대로 올라간다. | 스케일 | 맥락 | Content | Conclusion | |---|---|---|---| | 단락 | 첫 문장 | 가운데 | 마지막 문장 | | 섹션 | 도입 한 단락 | 본문 단락들 | 닫는 한 단락 | | 논문 전체 | Introduction | Results | Discussion | > **어느 스케일에서든 CCC가 무너졌으면 그 지점이 안 읽히는 1차 원인이다.** Mensh-Kording이 적은 표현으로는, "맥락이 빠지면 독자는 '왜 이걸 읽고 있지?'라고, 결론이 빠지면 '그래서 어쩌라고?'라고 묻는다." 두 질문이 단락에서도, 섹션에서도, 논문 전체에서도 같은 형태로 발생한다. 실용적인 함의가 하나 있다. 단락이 안 읽힐 때 단락 안만 들여다봐도 잡히지 않는 경우가 있다. 그 단락의 context는 앞 단락의 conclusion 위에 얹히기 때문이다. 그래서 진단 단위를 한 스케일 위로 올려야 보일 때가 많다. --- ## 11.2 안 읽히는 단락 앞에서 — 세 질문 단락 한 칸이 막혔을 때, 재독을 다섯 번 더 하기 전에 세 질문을 종이 위에 적는다. **Q1. 이 단락의 context는 무엇인가?** 한 줄로 적어 본다. 적히지 않으면 context가 누락된 단락이다. 이때 단락 안에 답이 없을 가능성이 높고, 앞 단락의 마지막 문장과 이 단락의 첫 문장 사이에 맥락 다리가 끊긴 상태라는 신호다. 두 문장을 나란히 놓고 읽어 본다. **Q2. 이 단락의 content는 한 가지인가?** 단락 본문이 한 점을 향하면 한 줄 message로 요약된다. 두 줄 이상 필요하면 그 단락은 두 message가 섞인 상태다. 처방은 분리다. Gopen-Swan §III의 "one unit, one point"가 단락 스케일에서 반복된다. **Q3. 마지막 문장이 takeaway로 작동하는가?** 마지막 문장이 데이터 한 줄이거나 다음 단락으로 넘어가는 transitional sentence면, 그 단락은 conclusion이 누락되었다. 독자는 그 단락에서 무엇을 들고 나갈지 모른 채 다음 단락으로 끌려간다. > **세 질문에 답이 나오지 않으면 재독은 의미가 없다.** 단락의 골격을 책상 위에 도식으로 옮긴 뒤, 무엇이 비었는지부터 본다. 빈 칸을 채울 책임은 글쓴이에게 있고, 진단의 결과는 [ch05](./chapter_10_reading_for_review.md)의 reviewer 코멘트 evidence가 된다. --- ## 11.3 zig-zag — 시간순 나열의 흔한 부산물 단락 진단을 통과한 글에서도 섹션 스케일에서 흐름이 끊기는 경우가 있다. Mensh-Kording rule 4가 zig-zag로 부르는 패턴이다. 각 단락은 자기 안에서 CCC가 닫혀 있는데, 단락들의 순서가 A → B → A → B로 튀거나 발견 시간순으로 나열되어 logical flow가 끊긴다. 진단법은 단순하다. 섹션의 모든 단락에서 첫 문장만 추출해 일렬로 적는다. 추출만으로 섹션의 흐름이 잡혀야 한다. 잡히지 않으면 zig-zag다. 같은 진단법이 Gopen-Swan의 topic position chain과 닮아 있다. 이 장은 단락 스케일이고 [ch07](./chapter_12_reader_expectations_diagnosis.md)이 문장 스케일이라는 차이가 있다. zig-zag의 흔한 원인은 저자가 결과에 도달한 시간 순서로 적었기 때문이다. Mensh-Kording이 적은 표현으로는, "독자는 당신이 결과에 도달한 시간 순서를 신경 쓰지 않는다." 시간순 서술은 글쓴이의 머릿속 기록이지 독자가 들어가야 할 입구가 아니다. 여기에 관찰을 덧붙이면, zig-zag가 figure 순서에 새겨진 경우가 가장 잦다. Figure 1·2·3이 결과의 발견 순서로 배치되어 있으면 본문도 그 순서로 끌려간다. 결국 Figure 순서를 logical flow에 맞게 다시 배열하는 것만으로 본문 zig-zag가 함께 풀리는 사례가 흔하다. > zig-zag를 발견했을 때의 reviewer 코멘트 양식은 다음과 같이 굳혀 두면 마찰이 적다: "Section X의 paragraph 흐름이 chronological입니다. CCC 재배치를 권합니다." --- ## 11.4 한 페이지 워크시트 — 논문 한 편을 CCC로 압축 읽는 쪽에서 CCC 진단을 마무리하는 도구는 한 페이지짜리 워크시트다. 칸이 정해져 있다. - 논문 전체 CCC: context 한 줄 / content 한 줄 / conclusion 한 줄 - 각 섹션 CCC: 같은 양식으로 한 줄씩 - 핵심 단락 다섯 개 CCC: 같은 양식 세 층의 추출이 모두 가능하면 그 논문은 message가 잡힌 글이다. 한 층이라도 추출이 막히면, 그 지점이 [ch05](./chapter_10_reading_for_review.md) reviewer 코멘트의 일등 후보다. 5 Cs ([ch03](./chapter_08_five_cs.md))의 명료성 항목이 왜 unclear한지에 대한 구조적 답이 이 워크시트에서 나온다. 워크시트가 잘 채워지지 않을 때 글쓴이가 자주 듣는 변명이 "abstract만 보면 다 들어 있다"이다. 다만 Mensh-Kording이 rule 5에서 환기하는 점은 그게 정상이라는 사실이다. abstract는 CCC가 한 단락 안에 다 들어 있는 유일한 칸이다. abstract 밖의 본문이 같은 패턴을 못 따른다면, 글쓴이가 한 칸에서만 CCC를 지킨 뒤 나머지에서 풀어버린 것이다. --- **출처.** [Mensh & Kording 2017](https://doi.org/10.1371/journal.pcbi.1005619), rules 3-5. 진단 질문 3종, zig-zag ↔ figure 순서 관찰, 한 페이지 워크시트 양식은 이 장에서 정리했다. 다음: [Ch.7 — 독자 기대로 진단하기](./chapter_12_reader_expectations_diagnosis.md) # Ch.12 — 독자 기대로 진단하기 abstract 한 단락을 다섯 번 읽었는데도 잡히지 않을 때, 한국어 학생이 자주 떠올리는 자기 진단은 둘 중 하나다. "내 영어 실력이 부족한가" 또는 "내 분야 배경이 약한가". [Gopen & Swan 1990](https://www.cs.cmu.edu/~kk3n/sciencewriting/Science-of-Scientific-Writing.pdf)이 §1 첫머리에서 깨고 들어가는 곳이 여기다. 안 읽힘의 원인이 구조인 경우가 압도적으로 많다는 진단이다. 문장의 강조 위치가 어긋나 있다. [ch06](./chapter_11_ccc_lens.md)이 단락 스케일에서 안 읽힘을 진단했다면, 이 장은 한 칸 더 좁혀 문장 단위에서 진단한다. 도구는 네 가지로 정해져 있고, 진단 순서도 정해져 있다. --- ## 12.1 안 읽힘의 1차 책임 분배 > **글이 안 읽힐 때의 1차 책임은 글쓴이에게 있다.** Gopen-Swan이 §1에서 정식화한 명제는 이렇다. "어떤 글의 질을 개선하면 사고의 질이 함께 개선된다." 함의는 두 방향이다. 첫째, 글이 안 읽히면 글에 진단 가능한 결함이 있다는 뜻이고, 독자 IQ를 가정으로 두지 않는다. 둘째, 진단의 부수효과로 글쓴이의 사고 그 자체가 정리된다. 학생 입장에서 받아들일 점이 하나 있다. abstract 한 단락을 다섯 번 읽고 모르겠으면, 다섯 번 다 글쓴이가 망친 글일 가능성이 높다. 자기검열이 진단을 늦춘다. Gopen-Swan의 핵심 명제는 difficulty is structural, not lexical이다. 단어를 사전에서 더 찾는다고 해결되지 않는 한편, 문장의 어디에 무엇이 놓였는가가 답이 된다. --- ## 12.2 네 진단 도구 — 한 문장씩 본다 진단은 큰 거 먼저 작은 거 나중 순서로 한다. stress → topic → subject-verb → old-new가 권장 순서다. **진단 1 — Stress position.** 문장의 끝(또는 콜론·세미콜론 직전)이 강조 위치다. 영어 독자의 인지가 거기에 무게를 싣는다. 진단 질문은 "이 문장이 강조하려는 한 단어를 가리키라"이다. 그 단어가 문장 끝에 있으면 문장은 의도대로 읽힌다. 끝이 "in this paper", "as shown above", "by the authors" 같은 boilerplate에 점령되어 있으면 강조 위치를 낭비한 셈이다. Gopen-Swan이 든 비유로는 "딸기 쇼트케이크로 시작해 브로콜리로 끝내는 식사는 없다." **진단 2 — Topic position.** 문장의 시작은 시점을 설정하고 앞 문장과 다리를 잇는 곳이다. 진단 질문은 "첫 명사구를 추출해 앞 문장과 연결되는가"이다. 단락의 두 번째 문장이 갑자기 새 명사로 시작하면 다리가 끊긴다. Gopen-Swan이 logical-gap이라 부르는 결함이다. 독자가 그 다리를 자기 머리로 만들어야 하고, 다섯 번 읽어도 만들어지지 않으면 그 단락은 막힌다. **진단 3 — Subject-Verb proximity.** 영어 독자는 동사가 등장하기 전까지 주어를 작업 기억에 들고 있어야 한다. 주어와 동사 사이에 단어가 15개 이상 끼면 작업 기억이 한계에 닿는다. 주어 뒤에 정의 절(`which …`, `that …`, `by …`)이 셋 이상 따라붙는 문장이 흔한 위반 패턴이고, 처방은 끊어 쓰기다. **진단 4 — Old-before-new.** Gopen-Swan이 #1 problem으로 든 결함이다. topic position에는 익숙한 정보(old)가, stress position에는 새로운 정보(new)가 와야 한다. 단락의 두 번째 문장이 novel term으로 시작하면 정의 안 된 채 등장한 것이고, 다리는 처음부터 끊겨 있는 상태다. > 네 진단을 한꺼번에 보면 어느 결함이 결정적인지 잡히지 않는다. 큰 거 먼저, stress 위치에 boilerplate가 박혀 있는지부터 본다. 그 다음 topic의 다리, 다음 subject-verb 거리, 마지막 old-new 순서. 큰 결함을 먼저 풀어야 작은 결함이 보인다. --- ## 12.3 URF·ATPase 단락의 역추적 Gopen-Swan §2가 분석 대상으로 든 분자생물학 단락이 있다. 처음 읽으면 누구나 어렵다고 느끼는 단락이고, 어렵다고 느끼는 이유를 글쓴이들이 보통 어휘 탓("URF니 ATPase니 모르겠으니까")으로 돌린다. 다만 Gopen-Swan이 시연하는 결론은 정반대다. 진단 1을 적용하면, 각 문장의 stress position에 핵심어가 없다. 강조 위치에는 본문과 무관한 보조어가 들어가 있고, 핵심어는 문장 가운데 묻혀 있다. 진단 4를 적용하면, 단락의 두 번째 문장이 정의 안 된 novel term으로 시작하고, topic position의 다리가 끊겨 있다. 같은 단락을 두 진단의 처방에 따라 재배치한 버전이 §2 후반에 나온다. 단어는 거의 그대로고 위치만 바뀌었다. 같은 정보, 같은 어휘, 다른 인지 부담. 결론은 매번 같다. 안 읽힘은 문장 구조에서 온다. > **학생이 abstract 다섯 번 읽고 막혔을 때 자기 영어 실력 의심부터 멈추고, 네 진단을 종이 위에 적는 편이 낫다.** 단락 한 칸의 stress 위치 네댓 개를 점검하는 데 5분이면 충분하고, 그 5분이 다섯 번 재독보다 정보를 더 준다. 자세한 시연과 양식은 [발췌 `gopen_swan_urf_rewrite`](./excerpts/excerpt_03_gopen_swan_urf_rewrite.md)에 따로 둔다. Gopen-Swan이 §3에서 환기하는 점이 하나 더 있다. "긴 문장이 읽기 어려운 것은 아니다. 단지 쓰기 어려울 뿐이다." 진단 도구가 잡으려는 것은 위치다. --- ## 12.4 한국어 모어 화자에게의 보정 영어와 한국어는 어순이 다르다. 영어는 SVO, 한국어는 SOV. 한국어 학생이 영어 stress 위치에서 직관을 자주 놓치는 이유가 여기에 있다. 한국어에서 자연스럽게 "오는" 위치가 영어에서는 도입 위치(topic)에 가깝고, 한국어에서 강조하고 싶은 정보는 한국어 문장의 앞쪽에 두기도 한다. 영어로 옮길 때 그 위치를 그대로 가져오면, stress가 아닌 topic 자리에 놓인다. 한국어 "은/는" 토픽 마커도 같은 함정의 통로다. 한국어에서 "은/는"으로 표지된 명사는 주어가 아니라 주제에 가깝지만, 영어로 옮기면 보통 문장의 grammatical subject로 끌려 나온다. 그 지점에서 영어 topic position에 무엇이 들어갈지가 결정되고, 한국어 모어 화자는 자기 의도와 다른 단어를 거기에 놓는다. > 한국어로 단락을 먼저 짠 뒤 영어로 옮기는 학생에게 권장 방향은 단순하다. 영어 문장 한 줄 한 줄에서 stress 위치(끝)에 무엇이 놓였는지 적어 보는 것이다. 의도한 단어가 그 위치에 있으면 통과, 아니면 재배치. 같은 원리의 쓰기 측 적용은 [Part 3 ch08](./chapter_29_reader_expectations.md)에서 다룬다. --- **출처.** [Gopen & Swan 1990](https://www.cs.cmu.edu/~kk3n/sciencewriting/Science-of-Scientific-Writing.pdf), §1·§2·§3 (reader expectations, stress·topic position, subject-verb proximity, old-before-new). 네 진단의 적용 순서, 한국어 모어 화자 보정은 이 장에서 정리했다. 다음: [Ch.8 — 수식·증명 읽기](./chapter_13_reading_math_proofs.md) # Ch.13 — 수식·증명 읽기 [Knuth, Larrabee, Roberts 1989](https://www-cs-faculty.stanford.edu/~knuth/klr.html) §1 rule 16에 박힌 blah 테스트는 글쓴이의 self-check다. 모든 수식을 단어 'blah'로 치환해도 산문이 흘러야 한다. 이 self-check는 독자에게 한 가지 사실을 던진다. 첫 독서에서 수식을 건너뛰는 것이 정상이다. 글쓴이가 그렇게 쓰도록 권고를 받는다면, 독자도 그렇게 읽으면 된다. 학생 입장에서 자주 깨지는 대목이 여기다. 모든 패스에서 모든 수식을 손으로 따라가려 들면, 한 페이지에 두 시간이 들어가고 그날의 다른 9편이 죽는다. ch07이 문장 단위 진단이고 ch15가 수식 쓰기라면, 이 장은 그 사이에서 읽는 쪽이 어느 패스에 어디까지 들어가는가를 정해 둔다. --- ## 13.1 패스에 따라 수식의 처리가 다르다 수식을 건너뛰는가 손으로 따라가는가는 패스에 따라 다르다. Keshav 1st pass에서는 수식을 건너뛴다. 2nd pass에서는 prose를 따라가되 displayed equation은 한 번 훑고 넘어간다. 3rd pass(재구현·reviewer)에서만 손으로 따라간다. 이 분리가 안 잡히면 두 함정 중 하나에 빠진다. 모든 패스에서 모든 수식을 손으로 따라가려는 학생은 한 편이 두 시간을 먹고 다음 편을 못 본다. 반대로 모든 패스에서 모든 수식을 건너뛰는 학생은 1년 후에도 분야 dense math가 외부에 머문다. Keshav가 권장하는 길은 그 사이에 분리된 운영이다. 어느 패스에서 어떤 수식을 어느 정도 들여다보는가의 결정. 분야 쪽 논의에서 자주 어긋나는 풍경이 있다. SLAM 신입이 ORB-SLAM 한 편을 1st pass에 4시간을 쓰고 자코비안 derivation에서 막혀 있는 그림이다. 1st pass의 출력은 5 Cs 한 페이지 쪽이다. 자코비안에 들어가는 시점은 3rd pass이고, 그 시점에는 본인이 이 한 편을 재구현할 작정인지의 결정이 먼저 와 있어야 한다. --- ## 13.2 derivation 한 페이지를 읽는 4 단계 dense한 derivation 한 페이지가 손에 들어왔을 때, 다음 네 단계를 순서대로 적용한다. 순서를 섞으면 한 페이지에 두 시간이 들어가게 된다. **단계 1 — 입력·출력 명시.** 그 페이지가 어떤 양에서 어떤 양으로 가는가를 한 줄로 적는다. EKF 예측 단계라면 "이전 step posterior $(\mu_{k-1}, \Sigma_{k-1})$에서 현 step prior $(\bar{\mu}_k, \bar{\Sigma}_k)$로 간다" 같은 한 줄. 이 한 줄이 적히지 않으면 그 페이지의 목적이 잡히지 않은 것이고, 다음 단계로 넘어가지 않는 편이 마찰이 적다. **단계 2 — 가정 추출.** 본문에 적힌 가정 + 묵시 가정 두 묶음으로 분리한다. EKF의 경우 본문에 적힌 가정은 프로세스 노이즈가 가우시안이고 평균이 0이고, 묵시 가정은 선형화 점이 진짜 평균에 충분히 가깝다다. 묵시 가정이 곧 ch05 reviewer 모드의 unstated assumption 후보다. derivation을 읽는 작업과 reviewer 모드가 같은 자료를 두 층위로 본다. **단계 3 — prose만 따라간다.** 수식을 일단 건너뛰고 between-equation prose만 읽어 한 페이지의 흐름이 잡히는지 본다. 잡히면 그 페이지는 글쓴이가 prose를 잘 깐 글이고, 더 이상 손 derivation 없이 한 페이지가 본인 안에 들어온다. 잡히지 않으면 그 페이지는 글쓴이가 between-equation prose를 비워둔 글이다. 이 진단이 곧 ch15 R1의 거울이다. 글쓴이가 인접한 수식 사이에 단어를 넣지 않은 결손이, 독자에게 blah 테스트가 깨진 결과로 돌아온다. **단계 4 — 결정적 한두 줄에 깊이 들어간다.** 모든 수식을 손으로 따라가지 않는다. 결과의 운명을 가르는 한두 줄만 골라 손 derivation을 한다. 보통 가정이 결과로 변환되는 줄, 근사가 들어간 줄, 잔차가 정의되는 줄 쪽이다. EKF라면 Kalman gain의 정의 한 줄과 update 후 covariance가 작아지는 한 줄이 그 후보다. 4 단계는 순서대로다. 입출력 → 가정 → prose → 결정적 한두 줄. 단계 1을 건너뛰고 단계 4부터 들어가면, 어느 한두 줄이 결정적인가를 잡지 못한 채 모든 줄을 따라가게 된다. --- ## 13.3 proof block — 통째로 건너뛰는가, 펼치는가 Theorem statement 그 자체가 자기완결적인지 먼저 본다. ch15 R6에서 글쓴이에게 권고되는 항목의 거울이다. statement 안의 모든 기호가 statement에서 정의되거나 명시 참조되어야 하고, 앞 단락을 다시 읽어야 statement가 이해되면 self-contained가 아니다. 본문 위로 거슬러 올라가야 하는 횟수가 곧 글쓴이가 statement를 다듬지 않았다는 신호다. proof block을 통째로 건너뛰는 결정의 시점이 정해져 있다. | Pass | proof block 정책 | |------|------------------| | 1 | 항상 건너뛴다 | | 2 | 그 정리가 본인 작업에 직접 쓰일 때만 펼친다 | | 3 | 펼친다 | 펼친 proof는 signpost를 따라 읽는다. "We divide the proof into two parts" 같은 줄이 들어가 있으면 두 part로 따라가고, 없으면 본인이 만들면서 읽어야 한다. signpost가 비어 있는 proof block에서 막히는 책임은 글쓴이에게 있다. 그러니 본인의 working memory 부족으로 진단을 돌리기 전에 글쓴이가 signpost를 깐 글인지부터 본다. direct proof가 가능한 곳에 contradiction이 들어가 있는 경우도 같은 결이다. Knuth가 §1에서 환기한 권고는 direct proof가 닿는 자리에서는 direct가 우선이라는 것이다. proof by contradiction은 독자에게 부정 명제를 working memory에 들고 있을 부담을 지운다. 본인이 그 부담 앞에서 막힌다면, 그 부담을 본인의 부족으로 해석하지 않는다. ch07 §1과 같은 관점이다. 안 읽힘의 1차 책임은 글쓴이에게 있다. proof block에서 막혔을 때의 진단 질문은 "글쓴이가 signpost를 깐 글인가, 안 깐 글인가"다. 안 깐 글이면 reviewer 코멘트 evidence가 거기에 잡힌다 (ch05 양식과 같은 결). --- ## 13.4 SLAM 분야 쪽 논의 — 자코비안·EKF·MAP 분야의 dense math 영역이 셋 정도로 정해져 있다. **자코비안 derivation.** SE(3)·SO(3) 위의 perturbation 자코비안이 첫 영역이다. prose만 따라가기에서 흔히 막히는 지점은 chain rule의 어느 항이 spatial 관점이고 어느 항이 body 관점인지가 글쓴이마다 다른 데서 갈라진다. 진단 질문은 "첫 등장에서 관점 convention이 명시되었는가"이고, 명시 안 되어 있으면 한 자료를 끝까지 따라가기보다 관점 convention이 정해진 다른 자료(예: $\mathfrak{se}(3)$ 표기를 통일한 교과서)를 정전으로 두고 시작하는 편이 마찰이 적다. **EKF predict/update.** 한 페이지에 수식이 8-10줄 들어가는 본보기다. 단계 1(입출력)이 잘 잡히면 한 페이지가 흐른다. 다만 ResearchGate·교과서·논문마다 표기가 다른 만큼, 한 표기로 통일된 자료를 본인 안의 정전으로 두고 그 표기 안에서만 비교하는 편이 흔들림을 줄인다. 다른 자료에서 표기가 다르게 나오면 번역 단계를 먼저 거친다. **MAP estimation 유도.** Bayes rule → log → 최적화 → Newton step의 사이클이다. 가정(가우시안 prior·likelihood)이 어디에서 들어가는지 추적하는 작업이 본 작업의 본체다. 같은 derivation이 maximum likelihood로 굴러갈 때와 maximum a posteriori로 굴러갈 때의 차이가 prior 항 한 줄에서 갈린다. 그 한 줄이 본인의 단계 4(결정적 한두 줄) 후보다. 분야 dense math는 한 번에 잡히지 않는다. 같은 자료를 반복해서 읽되, 매번 어디서 막혔는지를 적어둔다. 막힘 좌표가 본인의 학습 곡선의 본체다. 분야 senior가 자기 블로그에 해설형 자료를 남기는 동기도 같은 데 있고, paper의 between-equation prose가 비어 있을 때 senior의 해설이 그 prose 층위를 보강한다 (ch09에서 코드 동반 읽기로 자세히). --- ## 13.5 막힘 좌표 노트 — 학습 곡선의 기록 한 페이지 막힘은 진단 분류가 가능하다. 본인의 어휘 부족인가, 분야 prior 부족인가, 글쓴이의 prose 부족인가의 세 갈래로 갈라진다. 진단이 잡히면 다음 액션이 달라진다. 어휘 부족이면 그 어휘를 노트에 박고, 분야 prior 부족이면 core paper 한 편 더, 글쓴이 prose 부족이면 그 부분을 건너뛰거나 reviewer 코멘트 evidence로 둔다. 막힘 좌표 노트의 양식은 단순하다. ``` [자료 + page · line] | [막힌 줄 원문 인용] | [진단 분류] | [다음 액션] ``` 같은 진단 분류가 5회 이상 누적되면, 그 항목이 본인의 학습 곡선에 한 마디로 들어간다. 분야 senior에게 한 질문을 묶어서 던지는 시점이 그때 따라붙는다. 「대학원노트」 [Part 3 ch04 「하나의 질문 메일」](../grad-notes/chapter_10_one_question_email.md)이 그 출구다. 막힘 좌표 노트는 학습 곡선인 동시에 후배 멘토링 자료가 된다. 본인이 막혔던 곳은 다음 후배도 막힐 곳이고, 노트에 박힌 좌표가 그대로 후배의 학습 좌표가 된다. 5년 후 본인이 같은 분야의 신입에게 무엇을 던질지의 자료가, 5년 동안 누적된 막힘 좌표에서 만들어진다. --- **출처.** [Knuth, Larrabee, Roberts 1989](https://www-cs-faculty.stanford.edu/~knuth/klr.html) §1 rule 16 (blah test, between-equation prose) · §1 rule 4 (self-contained statement) · §1 (direct proof 우선). Part 3 [ch09 (수식·정리·증명 쓰기)](./chapter_30_math_and_proofs.md) — 이 장의 거울. 「대학원노트」 [Part 3 ch04 (하나의 질문 메일)](../grad-notes/chapter_10_one_question_email.md) — 막힘 좌표 노트의 출구. 4단계 derivation 절차, proof block 패스 결정, 막힘 좌표 노트 양식, SLAM 3 영역(자코비안·EKF·MAP) 진단은 이 장에서 정리했다. 다음: [Ch.9 — 코드 동반 읽기](./chapter_14_reading_with_code.md) # Ch.14 — 코드 동반 읽기 SLAM·CV 분야는 코드 공개가 기본값이다. arXiv 첫 페이지에 GitHub 링크가 박혀 있는 분야 표준인 만큼, paper만 읽은 학생과 코드까지 본 학생의 격차가 벌어진다. 같은 한 편이 두 학생에게 다른 깊이로 남는다. ch08이 dense math를 어느 패스에 어디까지 펼치는가를 정했다면, 이 장은 그 옆에 한 층위를 더 둔다. paper가 못 잡은 디테일이 GitHub repo·issue tracker·PR comment에 자주 풀려 있는 만큼, 재구현 작정의 읽기는 paper만으로 끝낼 수 없다. paper는 what을 적고, GitHub은 how를 담는다. --- ## 14.1 paper와 repo의 거리 Keshav 3rd pass — virtual re-implementation — 은 paper만으로 끝낼 수 있는 작업이 아니다. paper §3 method가 알고리즘의 골격을 적는다면, 같은 알고리즘이 어떤 hyperparameter에서 안정적이고 어디서 무너지는가는 코드와 issue tracker 안에 놓여 있다. 학생이 자주 빠지는 함정은 paper만 읽고 그게 전부라고 결론을 내리는 결정이다. 한 편을 1st·2nd pass로 끝낸 후 GitHub repo를 한 번도 안 열고 다음 편으로 넘어가면, 그 한 편은 abstract 수준에서만 본인 안에 남는다. 6개월 후 자기 thesis에서 baseline으로 다시 그 한 편을 부르려는 시점에, 본인이 들고 있는 정보가 그 baseline을 돌리기에 부족하다. 분야 senior가 자기 블로그에 해설형 자료를 남기는 동기가 같은 결에 놓여 있다. 김기섭 교수의 SLAM 14편 블로그 — FAST-LIO Fast 한 이유·Pose-graph SLAM Tutorial 같은 형식 — 가 한 본보기다. paper만으로는 안 잡히는 왜 이 코드가 이렇게 빠른가를 issue·코드·본인 빌드 + paper 셋의 교차에서 풀어 적은 형식이다. 같은 결의 자료를 한 편에 두 시간 들여 합치는 작업이 senior의 층위로 굳었다. --- ## 14.2 코드 동반 사이클 — 4단계 일주일 한 편을 재구현·실행 단계까지 끌고 가는 사이클은 4단계다. 한 세션에 다 끝내려 들면 한 단계마다 막혀 다음 단계로 못 넘어간다. 한 편 = 일주일 분량의 작업이라는 관점이 깔려 있다. **단계 1 — paper Keshav 1st·2nd pass (1-2시간).** GitHub은 아직 안 연다. 5 Cs 한 줄이 잡히고 abstract의 broad-narrow-broad가 통과하는지 확인한 후 다음 단계로 넘어간다. 이 단계에서 paper가 막히면 다음 단계는 미루는 편이 마찰이 적다. **단계 2 — repo 둘러보기 (30분).** README·디렉토리 구조·entry script 위치를 한 번 훑는다. 이 단계의 출력은 어디서 시작해서 어디로 가는가의 한 줄 답이다. SLAM 코드라면 "main에서 sequential하게 관점을 받아 odometry 모듈로 넘기고 mapping이 받아 keyframe을 뽑는다" 같은 한 줄이 들어간다. **단계 3 — 직접 빌드 + 한 번 돌려본다 (2-4시간).** docker 또는 native에서 빌드한다. 첫 build error에서 두 시간이 들어가는 일이 흔한데, 이는 예상 작업이지 예외가 아니다. CMake 버전·OpenCV 버전·CUDA 호환·ROS distribution이 어긋나는 지점이 build error의 본체이고, issue tracker에 대부분의 함정이 이미 올라와 있다. **단계 4 — paper와 코드 1:1 대응 (2-4시간).** paper §3 method의 한 단락이 코드의 어느 함수에 있는가? 매핑 노트를 만든다. paper 안의 수식 2와 코드의 line 47-83이 짝지어지면 그 한 점이 본인 안에 박힌다. 다만 모든 단락·수식을 매핑하지 않는다. 단계 4의 매핑은 ch08 §2의 결정적 한두 줄이 코드에서 어디에 놓이는지 찾는 작업이고, 그 한두 점이 본인의 thesis가 돌아갈 좌표가 된다. 단계 1-4를 한 세션에 다 끝내려 들지 않는다. 한 편 = 일주일 분량의 작업이고, 분야 senior가 한 분야의 정전 repo 한 편에 한 달을 쓰는 풍경이 흔한 이유가 같은 관점에 놓여 있다. --- ## 14.3 issue·PR을 읽기 자료로 본다 GitHub issue tracker는 이 코드의 알려진 함정의 저장소다. 본인이 build에서 막혔을 때 대부분의 함정은 issue에 이미 올라와 있다. 같은 자료가 코드의 design 결정까지 함께 담는다. 왜 이 모듈을 multi-thread로 안 했는가가 issue 한 토론에서 한 단락으로 풀리는 일이 흔하다. PR comment에는 paper에 없는 디테일이 들어간다. 왜 hyperparameter A를 0.05가 아니라 0.1로 바꿨는가가 PR에서 한 줄로 풀려 있으면, paper §4 experiment의 한 줄 "set α = 0.1"보다 더 많은 정보를 던진다. paper가 실험 결과를 적은 글이라면, PR은 그 결과에 도달하기까지 들었던 시도 중 살아남은 한 결정을 적은 글이다. issue·PR을 읽기 자료로 둔다. 막혔을 때 외에도 단계 4 매핑 작업의 한 축으로 둔다. 정독의 양식은 단순하다. | 항목 | 출력 | |---|---| | 닫힌 issue 상위 5개 | 자주 막히는 함정 + 처방 | | merge된 PR 상위 5개 | 결정적 design 변경 이유 | | open issue 상위 3개 | 현재 알려진 한계 | 이 세 출력이 paper §6 limitation에 적힌 한 단락보다 더 정확한 분야 쪽 논의의 한계를 본인 안에 남긴다. paper의 limitation 섹션이 저자가 인지한 한계라면, issue tracker의 open issue는 사용자가 부딪힌 한계다. --- ## 14.4 분야 쪽 논의 — 정전 repo 1편이 우선 분야의 정전 repo가 robotics-practice ch20 § 20.6 유용한 GitHub 저장소에 정리되어 있다. SLAM 쪽이라면 ORB-SLAM3, FAST-LIO2, LIO-SAM, RTAB-Map이 머리에 놓이고, CV 쪽이라면 SAM, DINOv2, NeRF Studio, COLMAP가 같이 들어간다. 한 분야 신입의 권장 작업은 정전 repo 1-2편을 4단계 사이클로 끝내고, 분야의 standard test dataset (KITTI·TUM·EuRoC)으로 trajectory를 비교하는 작업이다. robotics-practice ch20 § 20.7 중급 마일스톤과 같은 결이다. "ORB-SLAM3를 직접 빌드하고 데이터셋으로 돌려서 trajectory를 ground truth와 비교할 수 있으면 중급 단계 졸업이다." 신입이 자기 코드를 처음부터 짜기 전에, 정전 repo 1편을 끝까지 따라가는 작업이 우선이다. 분야 표준 셋업·디버깅 패턴·logging 양식이 그 한 편 안에 들어 있는 만큼, 이 한 편을 거친 후 자기 셋업을 만드는 학생과 거치지 않고 자기 셋업을 짠 학생의 5년 누적 격차가 벌어진다. 「대학원노트」 [Part 3 ch05 「도구 함정」](../grad-notes/chapter_11_tool_trap.md)의 작게 시작하라 관점과 같은 결이다. 처음부터 자기 코드를 모두 짜려 들지 않고, 한 편을 끝까지 따라간 후 어디를 바꿀지를 결정하는 순서다. --- ## 14.5 AI 보조 도구 — 코드 동반 읽기의 가속 paper와 코드의 1:1 매핑은 AI에 잘 위임된다. "이 paper의 'we apply pre-integration on IMU measurements between keyframes' 줄이 코드의 어느 함수에 있는지 찾아줘" 같은 질문을 던지면, AI가 후보 함수 2-3개를 짚어 준다. 본인이 그 후보를 검증하면, 본인이 코드를 처음부터 grep하던 한 시간이 줄어든다. PR comment의 분야 표현 직역이 막혔을 때도 AI가 한 번에 풀어 준다. PR comment의 영어가 분야 jargon이 dense하고 informal한 톤이 섞여 있어, 본인이 한 단락을 다섯 번 읽고도 안 잡힐 때가 있다. AI에 "이 PR comment의 핵심 결정 + 그 이유를 한 단락으로 풀어 줘"를 던지면, 본인이 그 결정의 위치를 한 번에 잡는다. AI가 만든 paper-코드 매핑을 본인이 한 번 더 검증한다. line 번호가 hallucinate되는 일이 흔하고, AI가 비슷해 보이는 함수를 짚지만 실제로는 다른 함수인 일도 흔하다. 검증 없이 매핑을 노트에 박아두면, 6개월 후 본인의 thesis에서 잘못된 line 번호로 자기 작업이 무너진다. 분야 쪽 논의에서 같은 관점이 참조로 한 번 더 들어간다. > 코드 작성 도구가 널리 쓰이는 지금도, 만 줄짜리 문서를 읽고 맥락을 파악하는 일은 사람에게 남아 있다. 잘 읽는 사람이 도구도 잘 다룬다. > > — robotics-practice ch22 § 22.5 paper-코드 매핑이 사람이 읽고 결정해야 하는 작업인 본질이 같은 곳을 가리킨다. 코드는 AI가 짜고, 그 코드와 paper가 어떻게 짝지어지는가의 결정은 본인이 들어간다. 그 결정의 누적이 5년 후 본인의 분야 senior 위치를 만든다. --- **출처.** [Keshav 2007](https://web.stanford.edu/class/ee384m/Handouts/HowtoReadPaper.pdf) §2.3 (3rd pass · virtual re-implementation), robotics-practice ch20 § 20.4 (필독 논문 리스트)·§ 20.6 (유용한 GitHub 저장소)·§ 20.7 (중급 마일스톤)·ch22 § 22.5 (AI 시대 참조). [김기섭 교수 SLAM 14편 블로그](https://gisbi-kim.github.io/) — 분야 정독+구현 사례. 「대학원노트」 [Part 3 ch05 (도구 함정)](../grad-notes/chapter_11_tool_trap.md) — 작게 시작하라 관점 연결. 4단계 사이클, issue·PR 정독 자세, AI 보조 도구 정책은 이 장에서 정리했다. 다음: [Ch.10 — 노트와 인용 관리](./chapter_15_notes_and_citations.md) # Ch.15 — AI 시대의 노트와 인용 관리 본인이 어제 읽은 한 편의 본문은 3개월 후에 잊는다. 6개월 후에는 abstract도 흐릿하다. 이 사실은 여전히 맞다. 달라진 것은 저장 방식이다. 노트는 나중에 다시 돌아왔을 때 왜 이 논문을 남겼는가를 바로 알게 하는 결정 기록이다. AI가 논문을 다시 열어 요약해 줄 수 있는 시대에는 긴 요약의 가치가 줄어든다. 대신 세 가지가 중요해진다. 어떤 claim이 있었는가. 그 claim의 근거가 논문 어디에 있었는가. 그 claim이 내 작업에서 어떤 결정을 바꾸는가. 이 세 가지는 AI가 대신 보관해 주지 않는다. 사람이 확인하고 적어 둬야 한다. ch04가 입력 pipeline의 흘러 들어오는 곳이었다면, 이 장은 그 자료를 저장하고 재호출하는 단계에 들어간다. ch03의 5 Cs가 1st pass의 출력 양식이라면, 이 장은 그 위에 근거 위치와 결정 층위를 더 얹는다. --- ## 15.1 노트 양식 — 5 Cs + 3 추가 칸 ch03의 5 Cs (종류·맥락·타당성·기여·명료성)가 한 편의 1st pass 출력이라면, 노트로 박을 때는 그 위에 세 칸이 더 붙는다. **5+1 — 근거 위치.** 자기 글에서 쓸 만한 claim 하나와 그 claim의 위치를 적는다. page·section·figure·table·equation 번호 중 하나가 붙어야 한다. 직접 인용할 문장이 있을 때만 짧은 원문을 남기고, 대부분은 내 말로 쓴 claim + 위치로 충분하다. 6개월 후 introduction을 쓸 때 필요한 것은 "이 주장을 어느 표가 받쳤는가"의 한 줄이다. **5+2 — 본인 작업과의 거리.** 이 한 편이 자기 thesis와 어떤 관계인가? 네 분류가 있다. baseline 후보, related work, 반박 대상, 무관. 무관도 분류의 한 항목이다. 무관임을 적어두는 작업이 6개월 후 왜 이 한 편을 cite 안 했는가에 답하는 자료가 된다. **5+3 — 다음 액션.** 중단·보류·진행 (ch01의 결정 게이트). 진행이면 언제 다시 돌아올지 한 줄. 보류 큐에는 다시 돌아올 시점이 함께 적혀야, 그제서야 그 시점이 되었을 때 weekly digest 블록에서 그 자료가 잡힌다. 노트는 한 편당 한 페이지 상한이다. 긴 요약을 만들수록 나중에 안 읽힌다. 정독 자료가 필요하면 별도 파일을 만들고, 한 페이지 노트에는 claim·근거 위치·내 작업과의 거리만 남긴다. 노트와 정독 자료가 같은 파일에 섞이면, 6개월 후 어느 한 편을 정독했는가가 안 잡히는 함정에 빠진다. 노트 파일명은 저자-연도-키워드 형식이 검색 가능성이 높다. ASCII 키워드를 박는 편이 grep·검색에서 마찰이 적다. 분야 쪽 논의라면 `mur-artal-2015-orbslam.md` 같은 식의 키가 흔히 쓰인다. --- ## 15.2 인용 관리 — reference manager는 본체가 아니다 인용 관리는 paper의 진실을 보관하는 일이 아니다. 진실의 본체는 DOI·arXiv·OpenReview·venue page·publisher page에 있고, reference manager는 그 정보를 논문 양식에 맞게 내보내는 호환 계층에 가깝다. 손으로 BibTeX를 typing하지 않는다. 자동 생성 출처는 DOI, arXiv, CrossRef, Semantic Scholar, OpenAlex, venue page다. Google Scholar의 export는 빠르지만 필드가 비거나 venue 정보가 거칠게 들어오는 일이 있으므로 최종본의 기준으로 두지 않는다. 자동 생성된 항목도 한 번은 본인이 통과한다. 확인할 것은 많지 않다. | 항목 | 확인할 것 | |---|---| | ID | DOI 또는 arXiv ID가 맞는가 | | 저자 | 첫 저자·마지막 저자·철자가 맞는가 | | venue | conference/journal 이름과 연도가 맞는가 | | 버전 | arXiv preprint인지, peer-reviewed version인지 구분되는가 | | key | 같은 paper가 두 key로 중복되지 않았는가 | reference manager는 lab 관행이나 공동저자 환경에 맞춰 쓰면 된다. 다만 그것이 노트 시스템의 본체가 되면 곤란하다. PDF 파일과 annotation을 많이 모았다는 사실은 지식이 쌓였다는 뜻이 아니다. 지식은 확인한 claim과 내 작업에서 바뀐 결정으로 남는다. 100편을 넘기는 라이브러리에서도 핵심은 도구 이름이 아니다. 같은 paper가 하나의 canonical key로만 존재하고, citation metadata가 source-of-truth URL과 연결되어 있고, build 단계에서 reference 오류를 잡을 수 있으면 충분하다. reference manager는 그 조건을 만족시키는 여러 방법 중 하나다. --- ## 15.3 paper packet + AI 질의 한 편을 저장할 때의 단위는 paper packet이다. packet에는 논문 URL, DOI/arXiv ID, PDF, code repository, project page, supplementary, OpenReview thread, dataset link가 들어간다. PDF는 그중 하나일 뿐이다. PDF 위에 표시를 남기는 일은 임시 읽기 흔적일 수는 있지만, 6개월 뒤의 재호출 단위로는 약하다. AI 보조 도구는 세 갈래로 붙는다. **갈래 1 — 0차 5 Cs 후보.** paper packet을 AI에 넣고 "5 Cs를 채우되 각 항목마다 근거 위치를 붙이고, 근거가 없으면 없음이라고 적어라"를 묻는다. 본인은 그 결과를 통과시키는 작업으로 1st pass를 시작한다. **갈래 2 — reference 후보.** reference 목록과 forward citation graph를 AI에 주고 "내 thesis 키워드와 가까운 5편을 고르되, 왜 가까운지 한 줄씩 적어라"를 묻는다. 다음 입력 pipeline의 후보가 거기서 만들어진다. 후보를 고르는 일은 AI에 맡길 수 있지만, 후보를 읽을지 말지의 결정은 본인이 한다. **갈래 3 — related work 비교표.** paper A와 paper B의 차이점을 한 표로 정리해 달라고 AI에 요청한다. 표의 칸은 방법·가정·데이터셋·metric·한계·내 작업과의 거리 정도면 충분하다. 본인이 source 위치를 확인한 후에만 그 표가 자기 글의 related work 단락의 골격이 된다. AI가 만든 5 Cs 노트는 초안이다. 그대로 보관하지 않는다. 최종 노트에는 AI 문장을 남기는 대신, 본인이 확인한 claim과 위치를 남긴다. hallucination의 가장 위험한 형태는 그럴듯한 citation 위치다. section·table·equation 번호가 맞지 않으면 그 항목은 버린다. --- ## 15.4 검색과 재호출 — 태그보다 질문 노트는 시간이 지날수록 가치가 오르는 자료다. 그러자면 검색 가능성이 1순위에 놓인다. 2026년의 검색은 태그만으로 굴러가지 않는다. plain text, citation key, DOI/arXiv ID, embedding search, grep이 같이 작동한다. 그래서 태그 수보다 검색 가능한 문장이 더 중요하다. 태그는 최소한으로 둔다. | 축 | 값 | |---|---| | 분야 | slam · cv · dl · vfm · vla | | 모드 | skim · read · implement · cite | | 거리 | baseline · related · rebuttal · out | 세 축의 조합으로 한 편을 분류하면, 내 thesis의 baseline 후보 SLAM 논문 5편이 한 검색으로 잡힌다. 더 세밀한 분류는 related work 비교표에서 처리한다. 정기 청소의 목적도 바뀐다. 한 달에 한 번, 30분 블록을 두고 claim ledger를 정리한다. 이번 달 노트에서 서로 충돌하는 claim, 같은 baseline을 공유하는 paper, 내 hypothesis를 바꾼 paper를 각각 한 줄씩 뽑는다. paper A·paper B 모두 가정 X에서 시작하지만 metric Y에서 갈라진다 같은 한 줄이, 본인의 thesis가 놓일 곳을 만들어 간다. 흥미로운 한 편이 노트에 박힌 채 사용되지 않으면 그 한 편이 없는 것과 같다. Whitesides가 글쓰기 관점에서 적은 한 줄 — "어떤 프로젝트도 결코 '완료'되지 않는다. 흥미롭지만 미발표인 것은 존재하지 않는 것과 같다" — 이 노트 시스템에서도 같은 명제가 된다. 읽은 것을 글로 옮기지 않으면, 읽기는 금방 사라진다. 노트 → 글쓰기로의 흐름은 단순하다. 자기 paper의 related work 한 단락은 노트에서 6편을 골라 한 표로 묶는 작업이다. 그 표가 글의 한 단락의 골격이 되고, 표의 각 칸 — 방법·가정·한계·본인 작업과의 거리 — 이 단락의 한 문장씩으로 풀려 나간다. 이 흐름은 [Part 3 ch02 (Introduction)](./chapter_23_introduction.md)·[ch03 (Related Work)](./chapter_24_related_work.md)에서 다시 쓰인다. 노트가 자료의 외장 working memory에서 자기 thesis의 글의 골격으로 옮겨간다. 6개월 동안 누적된 100편의 노트가 본인의 첫 paper의 related work 단락 한 줄 한 줄로 풀려 나가는 풍경이, 이 장이 가리킨 끝점이다. --- **출처.** [Whitesides 2004](https://onlinelibrary.wiley.com/doi/10.1002/adma.200400767) §V (in-progress vs published — "흥미롭지만 미발표인 것은 존재하지 않는 것과 같다") — 노트 시스템의 관점 거울. Part 3 [ch02 (Introduction)](./chapter_23_introduction.md) — 노트 → 글쓰기 흐름의 출구. 5 Cs + 3 추가 칸 양식, paper packet, AI 보조 도구의 검증 원칙, claim ledger 운영은 이 장에서 정리했다. 다음: Part 1 끝. → [Part 2 — 쓰기](./chapter_16_mindset.md) # Ch.16 — 마음가짐 글쓰기는 정해진 form 위에서 같은 단위를 반복해 쌓는 운영이다. 재미없고 체계화된 절차에 가깝다. 이 Part 2 전체가 그 작은 단위들 — outline, CCC, 단락 흐름, 자기 점검 — 을 차례로 다룬다. 논문을 처음 쓰는 학생이 가장 먼저 깨야 할 마인드 — 학부 시험 채점 마인드다. 학부 시험에는 100점이라는 천장이 있었지만, 논문에는 그 천장이 없다. 만점이 없는 글에 만점을 노리면 수정이 한없이 길어진다. 같은 권고를 다른 각도에서 풀어낸 글이 [최윤섭 박사 G4 「첫 번째 논문을 최대한 빨리 써라」](https://gradschoolstory.chkwon.net/yoonsup/first-paper/)다. 핵심 명제는 실험 능력 ≠ 논문 출판 능력. 두 능력이 분리되어 있으므로 출판 능력은 조기 경험으로만 길러진다. 박사 말년에 첫 논문을 처음 시도하면 졸업 지연 위험이 그대로 따라온다. > "방귀도 자꾸 뀌어야 똥이 나온다." 최윤섭 박사가 같은 글에 박은 한 줄이 이 장의 톤을 정한다. 첫 논문을 작은 단위로 자주 시도해 글쓰기 회로를 트라는 권고다. 같은 글에 적힌 일화 — 첫 논문 수락까지 계획보다 2년 초과, 3회 리젝, 6개월 리비전 — 가 완성된 첫 논문이 어떤 시간 곡선 위에 놓이는지 보여 준다. 이 곡선이 만점 채점 마인드와 정면으로 부딪힌다. 리비전 기간(약 2개월)에 추가 실험이 들어가는 대목은 ch17에서 다룬다. --- ## 16.1 Reject의 complement 한 venue가 받는 논문 5편 중 보통 4편이 reject 된다. 리뷰어는 reject할 이유를 먼저 찾는다. accept할 이유를 모은 뒤 그 합으로 판단하는 구조가 아니다. 이 비대칭이 글쓴이의 우선순위를 정한다. 먼저 잡을 것은 reject 사유를 줄이는 쪽. [임형태 박사](https://github.com/LimHyungTae/paper-writing-checklist)는 이 마인드를 "accept을 노리는 것이 아니라 reject의 complement를 노리는 것"이라 정리했다. reject 사유는 거창하지 않다. notation 불일치, baseline 비교 누락, figure 1이 한 눈에 message를 전달하지 못함, "ensure consistency" 같은 vague phrasing 반복. 이 중 하나만 있어도 그대로 reject 사유로 잡힌다. [김기섭 교수 「연구길의 초입에서」](https://gsk1m.github.io/productivity/2024/05/25/entering-research.html)가 같은 권고를 견고한 기초의 관점으로 적었다. > "첫 논문에서 Nature를 노리는 것보다, '리젝 이유가 없는 논문'을 목표로 하는 편이 현실적이다." 화려한 novelty와 빈틈없는 완성도는 순서 문제다. 첫 논문에서 둘을 동시에 노리면 reject 사유가 늘어나고, 빈틈없는 완성도부터 잡은 학생은 다음 논문에서 novelty를 더 위에 올릴 수 있다. 같은 글에 박힌 하나의 논문에는 하나의 핵심 메시지만이라는 권고가 같은 관점 위에 있다 — 두 메시지가 한 논문에 섞이면 두 곳에서 reject 사유가 동시에 자란다. --- ## 16.2 form 안에서 작업한다 논문은 form의 비중이 큰 글이다. 새로운 형식 그 자체가 가치가 되는 소설·시와 다르다. 첫 논문에서 figure 디자인이나 문장 구조에 새로운 시도를 한 학생이 reject 사유를 스스로 만든 사례가 흔하다. 해결책은 모방이다. 자기 분야 인용 100 이상 논문을 한 편 골라 표현부터 figure 레이아웃까지 따라 쓴다. 임형태 박사는 박사 시절 [He et al. 2016](https://arxiv.org/abs/1512.03385) ResNet 논문의 모든 문단을 거의 외우다시피 필사하며 영어 글쓰기를 익혔다고 적었다. 분야별 추천도 있다. 로보틱스라면 [Cyrill Stachniss 그룹](https://scholar.google.com/citations?user=8vib2lAAAAAJ&hl=en) 논문이 자주 추천된다. "논문은 이야기책처럼 술술 읽혀야 한다"가 그 그룹의 신조이고, 이 신조가 구조와 문장 양쪽에 일관되게 적용된다. [엄태웅 대표 G2 「영어 못해도 논문 잘 쓰는 법」](https://gradschoolstory.chkwon.net/terry/englishpaperwriting/)는 같은 권고를 이렇게 옮겼다. > "일단 쓰기부터. 영어가 어렵다면 한글로라도." Whitesides §1의 "start writing early" 권고가 한국어 문맥에 그대로 옮겨진 한 줄이다. 영어 문장을 다듬느라 내용 그 자체를 적는 단계가 늦어지는 것 — 한국 L2 writer가 가장 자주 빠지는 함정이다. 한글 초고를 거쳐도 좋다는 권고가 그 함정 앞에 놓인다. --- ## 16.3 proofread는 도구가 한다 manuscript에 오타·수일치·인덱스 오류·인용 누락·깨진 연결erence 같은 결함은 본인이 꼼꼼하다는 자기 평가만으로 잡히지 않는다. 한두 종류씩 결함이 새는 일이 흔하므로 한 사람의 눈만 믿어서는 안 된다. 그래서 도구로 분담한다. LaTeX는 표기 일관성을, Grammarly는 문법을, ChatGPT는 line-by-line proofread를 맡는다. ChatGPT를 쓸 때는 통째로 던지지 않고 한 섹션씩 raw LaTeX 코드로 던지는 방식이 정확도가 높다. 임형태 박사가 공유한 prompt가 그 패턴이다. ``` 아래는 논문의 ${SECTION} 부분이야 (본문 내용) 위 문장들에서 오탈자, 수일치, 문법 오류만 line-by-line으로 알려 줘. %로 시작하는 줄은 주석이므로 무시. ``` 공동 저자가 manuscript를 받기 전에 본인이 먼저 proofread를 한 번 거치는 것이 분야의 합의된 기본이다. 이 단계를 건너뛰면 같은 결함이 교수의 손에서 잡히고, 그 결과가 학생의 시간 평가에 그대로 반영된다. --- ## 16.4 영어 수준과 글쓰기 스타일 modern English science writing의 권장 방향은 active 문체와 "we" 사용에 가깝다. [Knuth, Larrabee, Roberts 1989](https://www-cs-faculty.stanford.edu/~knuth/klr.html) §1 R7, [Whitesides 2004](https://onlinelibrary.wiley.com/doi/10.1002/adma.200400767) §6, [Mensh & Kording 2017](https://doi.org/10.1371/journal.pcbi.1005619) rule 4가 모두 이 방향을 권한다. 한국 영어 교육에서는 passive를 강조해 온 시기가 길었고, 두 흐름이 학생 입장에서 충돌한다. 해결은 영어 수준에 따라 갈린다. native급에 가깝지 않다면 지도교수 스타일을 따르는 쪽이 마찰이 적다. 지도교수의 스타일은 본인이 시행착오 끝에 굳힌 결과이므로 학생의 영어 직관이 그 결정을 뒤집을 단계는 아니다. native급에 도달한 시점부터 의견을 낼 수 있다. 그 전에는 의미가 명백히 달라지거나 reviewer 공격 빌미가 보이는 부분에서만 정중히 의견을 내는 편이 안전하다. --- ## 16.5 맥락-Content-Conclusion 단락 구조 [Mensh & Kording 2017](https://doi.org/10.1371/journal.pcbi.1005619) rule 3은 단락의 표준 구조를 맥락-Content-Conclusion으로 정식화한다. 첫 문장은 맥락, 본문은 내용, 마지막 문장은 결론. 같은 패턴이 단락 → 섹션 → 논문 전체로 fractal하게 반복된다 (Ch.4에서 자세히). 진단법은 단락 길이로 갈음한다. 한 문단이 10문장을 넘거나 3문장 미만이면 key sentence가 잡히지 않았을 가능성이 높다. 한 줄로 message를 답할 수 없는 단락은 두 message가 섞인 상태이므로 쪼개야 정리된다. --- ## 16.6 읽히는 빈도와 시간 배분 논문에서 가장 많이 읽히는 부분은 제목·초록·figure·conclusion 순이고, methods가 가장 적게 읽힌다. [Mensh & Kording 2017](https://doi.org/10.1371/journal.pcbi.1005619) rule 9는 글쓰기 시간을 이 순서에 비례해 배분하라고 권한다. 제목에 한 시간, 초록에 두 시간, figure 1에 다섯 시간이 권장 비율로 제시된다. 신입생들이 흔히 하는 실수는 정반대 비율이다. methods에 90%, 제목·초록·figure에 10%. 그 결과 가장 적게 읽히는 부분에 시간이 가장 많이 들어가고, reject 사유가 가장 많이 잡히는 제목과 초록은 가장 적게 다듬어진 채 남는다. --- **출처.** [임형태 박사, paper-writing-checklist](https://github.com/LimHyungTae/paper-writing-checklist), [Whitesides 2004](https://onlinelibrary.wiley.com/doi/10.1002/adma.200400767), [Knuth, Larrabee, Roberts 1989](https://www-cs-faculty.stanford.edu/~knuth/klr.html), [Mensh & Kording 2017](https://doi.org/10.1371/journal.pcbi.1005619), [최윤섭 박사 G4 「첫 논문 빨리」](https://gradschoolstory.chkwon.net/yoonsup/first-paper/), [엄태웅 대표 G2 「논문 잘 쓰는 법」](https://gradschoolstory.chkwon.net/terry/englishpaperwriting/). 다음: [Ch.2 — 아웃라인부터 시작하기: Whitesides 방법](./chapter_17_outline_first.md) # Ch.17 — 아웃라인부터 시작하기 [George Whitesides의 "Writing a Paper" (2004)](https://onlinelibrary.wiley.com/doi/10.1002/adma.200400767)는 글쓰기를 연구의 기획 도구로 정의한다. 데이터가 다 모인 뒤에야 논문을 쓰기 시작하는 학생을 두고 Whitesides가 적은 진단은 단순하다 — 그 시점이면 이미 늦었다는 한 줄. --- ## 17.1 Outline은 데이터다 Whitesides가 글쓰기의 시작점으로 잡는 단계는 "mostly plan"이다. 가설은 있고 데이터는 거의 없는 단계. 이 시점에 outline을 처음 쓰고, 데이터가 들어올 때마다 outline을 다듬는다. "mostly outline"에 도달했을 때 비로소 본문을 시작한다. 이 과정에서 outline은 연구의 구조 자체가 된다. Whitesides는 outline 항목이 짧은 phrase로 남아 있어야 한다고 적었다. 완전한 문장으로 쓰기 시작하면 이미 글쓰기 모드에 진입한 것이고, 그 시점부터 구조 변경의 비용이 갑자기 올라간다. 그래서 데이터를 채워 넣을 칸에는 `[DATA NEEDED]`나 `[HYPOTHESIS]` 같은 마커를 그대로 남긴다. 빈 칸이 보여야 어떤 실험이 빠졌는지 드러난다. outline-as-data라는 표현이 이 점을 가리킨다. --- ## 17.2 7-슬롯 골격 Whitesides가 §I에 제시하는 outline 슬롯의 순서는 다음과 같다. 1. Title 2. Authors 3. Abstract — 나중에 4. Introduction 5. Results & Discussion (combined) 6. Conclusions 7. Experimental Abstract가 마지막에 놓이는 이유를 Whitesides는 직접 적었다. 본문이 안정되기 전에 쓴 abstract는 "이 논문이 무엇을 말하는지"에 대한 거짓말이 되기 쉽다는 진단이다. 본문이 두 번 이상 크게 흔들릴 수 있는 단계라면 abstract는 보류하는 쪽이 안전하다. Introduction에는 다섯 가지 요소가 들어간다. (a) objectives, (b) justification, (c) background, (d) reader guidance, (e) summary preview. Whitesides는 첫 단락 또는 두 번째 단락까지는 outline 단계에서도 완성된 문장으로 쓰라고 권했다. 본문 전체의 톤이 여기서 정해진다. Results & Discussion은 합쳐 쓰되 중요도순으로 배치한다. "독자는 당신이 거기에 어떻게 도달했는지에 관심이 없다"는 표현이 §I에 박혀 있다. 시간순은 lab notebook의 순서고, 논문의 순서가 아니다. Conclusions는 한 단계 위의 분석이다. 이 정의는 [Ch.5](./chapter_20_subheadings_and_conclusions.md)에서 자세히 다룬다. --- ## 17.3 4-5회 iteration cycle Whitesides가 권하는 outline 반복 횟수는 4-5회다. 한 번에 다듬으려 하면 데이터 수집 단계의 자기 편향이 outline에 그대로 박힌다는 관찰이 깔려 있다. 회차마다 다루는 결정의 종류가 다르다. - **1회차.** 가설과 핵심 결과를 7-슬롯에 거칠게 박는다. 대부분의 칸은 `[DATA NEEDED]` 또는 `[HYPOTHESIS]` 마커로 남는다. - **2-3회차.** 그림과 표를 슬롯에 끼워 넣는다. 이 단계에서 빠진 실험이 자주 드러난다. 추가 실험을 결정하는 시점이 보통 여기다. - **4-5회차.** subheading을 claim-style로 다듬고, 슬롯 사이의 흐름을 점검한다. 회차 사이에 24시간 이상 간격을 둔다. 같은 날 두 번 다듬으면 직전 결정의 잔상이 새 결정에 끼어든다. 거리 두기가 outline iteration의 일부라는 입장이다. --- ## 17.4 미발표 결과는 존재하지 않는 것과 같다 Whitesides가 §I에 적은 표현은 강하다. "Interesting and unpublished is equivalent to nonexistent." 흥미롭지만 발표되지 않은 결과는 존재하지 않는 것과 같다는 선언이다. 이 진단의 함의는 outline 단계에 직접 작용한다. 한 논문에 모든 데이터를 우겨넣으려는 충동에 대한 제동. outline에서 이번 논문에 들어가지 않을 결과를 명시적으로 빼내고, 다음 논문의 씨앗으로 따로 보관한다. 기준은 단순하다. 핵심 가설과 가장 잘 맞물리는 결과만 남기고, 나머지는 다음 outline의 1회차로 미룬다. Whitesides는 이를 "good science is opportunistic and revisionist"로 적었다. --- ## 17.5 골조와 흐름은 층위가 다르다 Whitesides의 outline-first 방법과 [Joshua Schimel의 Writing Science (2012)](https://global.oup.com/academic/product/writing-science-9780199760244)의 story-first 방법이 충돌한다는 인상을 받는 학생이 있다. Whitesides는 데이터에서 올라오는 bottom-up scaffold를, Schimel은 narrative arc(OCAR/ABDCE)를 먼저 권한다는 차이에서다. 둘은 층위가 다르다. Whitesides는 골조(slot 단위)를 짜고, Schimel은 그 골조 위에 올라가는 hook과 흐름을 설계한다. outline 1-2회차는 Whitesides의 7-슬롯으로 시작하고, 4-5회차에 들어갈 때 Schimel의 narrative arc 관점으로 점검하는 순서가 합리적이다. 층위가 다르다는 입장의 근거는 Whitesides 자신이 §II에서 "good papers tell stories"를 인정했다는 점이다. 다만 그가 권하는 시작점이 outline scaffold라는 차이일 뿐이다. --- ## 17.6 도입 문단을 따라 써 보기 [KISS-ICP (Vizzo et al., RA-L 2023)](https://arxiv.org/abs/2209.15397)의 Introduction 첫 단락은 Whitesides의 5요소가 어떻게 채워지는지 보여 주는 사례다. (a) objective는 "robust LiDAR odometry without learning", (b) justification은 "단순함이 generality를 낳는다", (c) background는 ICP 계열의 기존 한계, (d) reader guidance는 "we show that point-to-point ICP, configured carefully, suffices", (e) summary preview는 KITTI/MulRan에서 SOTA에 근접한다는 한 줄. 발췌의 [`kiss_icp_intro_hook.md`](./excerpts/excerpt_01_kiss_icp_intro_hook.md)에 발췌와 분석이 들어 있다. outline scaffold가 글로 변환되는 사례를 한 번 따라 써 보는 것 — 이 장의 마지막 권고다. --- **출처.** [Whitesides 2004](https://onlinelibrary.wiley.com/doi/10.1002/adma.200400767) §I outline structure, §II actionable rules. [Mensh & Kording 2017](https://doi.org/10.1371/journal.pcbi.1005619) rule 9 (연결). [Schimel 2012](https://global.oup.com/academic/product/writing-science-9780199760244) (사이드바 비교용). 24h cooldown과 KISS-ICP 적용은 본문에서 정리. 다음: [Ch.3 — 시간 배분과 피드백 루프](./chapter_18_time_budget.md) # Ch.18 — 시간 배분과 피드백 루프 Method 섹션을 두 달 다듬은 학생이 reviewer로부터 abstract만 보고 reject된 코멘트를 받는 일은 흔하다. 가장 많이 읽히는 부분과 가장 많이 다듬은 부분이 어긋난 결과다. [Mensh & Kording 2017](https://doi.org/10.1371/journal.pcbi.1005619)의 rule 9와 rule 10이 이 어긋남을 정면으로 다룬다. --- ## 18.1 가장 많이 읽히는 것에 가장 많이 투자한다 논문 한 편이 받는 독자 수를 거칠게 풀어 보면 다음과 비슷하다. 1000명이 title을 보고, 그중 100명이 abstract로 내려가고, 다시 50명이 figure 1까지 내려간다. method까지 도달하는 인원은 5명 안팎. Mensh-Kording rule 9는 글쓰기 시간을 이 깔때기에 비례해 배분하라고 적었다. 시간 우선순위는 다음 순서로 잡힌다. > Title > Abstract > Figure(특히 Fig 1) > Outline > Introduction > Results > Discussion > Method > Related Work Method가 가장 적게 읽히는 부분이라는 사실이 Method를 부정확하게 써도 된다는 뜻은 아니다. 정확성은 유지하되 윤문에 시간을 쓰지 말라는 권고에 가깝다. Method의 목적은 재현이다. --- ## 18.2 비율 가이드 논문 한 편의 글쓰기 시간을 100%로 보면 다음 비율이 작업 가능한 출발점 하나다. | 항목 | 비율 | |---|---| | Title + Abstract | 15-20% | | Figures (특히 Fig 1과 main result figure) | 25-30% | | Outline iteration ([Ch.2](./chapter_17_outline_first.md)) | 15-20% | | Introduction | 15% | | Results & Discussion | 10-15% | | Method + 부록 | 5-10% | 한국 대학원생에게서 흔히 잡히는 패턴은 Method에 50% 이상이 들어가고 Title·Abstract·Figure에 합쳐 10%가 들어가는 정반대 비율이다. 학부 글쓰기 훈련의 후유증인 부분이 있다. 학부 시험 답안에서는 풀이 과정이 점수를 받았다. 논문은 다르다 — 풀이 과정은 결과를 정당화하는 보조 자료로 들어간다. --- ## 18.3 Test reader 프로토콜 rule 10은 "reduce, reuse, recycle"의 reduce 쪽에 무게를 둔다. 같은 사람에게 여러 번 보여 주지 말라는 권고다. 한 번 본 사람의 머릿속에는 이미 글쓴이가 의도한 구조가 박혀 있고, 두 번째 읽기에서는 그 구조를 채워 넣으면서 읽는다. 신선한 독자가 잡아내는 결함을 두 번째 reader는 잡지 못한다. 단계별로 reader를 분리한다. - **Outline 단계** — 같은 분야 동료 1명. 구조가 말이 되는지를 검증한다. - **초고 단계** — 다른 세부 분야 동료 1명. gap funnel이 자기 분야 밖에서도 작동하는지 검증한다. - **수정 단계** — 비전공 대학원생 1명. abstract만 보여 주고 "이 논문이 무엇을 푸는지 한 문장으로 말해 달라"고 요청한다. reader에게 던지는 질문이 닫힌 질문("이 부분 괜찮아?")이면 답변도 닫힌 채로 돌아온다. 재구성 요청("이 논문이 무슨 문제를 푸는지 한 문장으로 말해 주세요")이 진단에 훨씬 정보가 많다. --- ## 18.4 "Non-specific feedback"의 진단 reader에게서 막연한 답("좋네요", "뭔가 어렵다", "잘 모르겠다")이 돌아오면 큰 그림 실패 신호다. 구조 수준의 결함. 이 경우 단어를 고치는 대응이 가장 흔한 함정이다. 단어를 다듬어도 구조가 그대로면 다음 reader도 같은 막연한 답을 돌려준다. 진단 분기는 다음과 같다. - "abstract만 보고 무슨 논문인지 모르겠다" — Title·Abstract 전면 재작업. [ch07](./chapter_22_title_abstract.md)에서 다룬다. - "왜 이게 중요한지 모르겠다" — Introduction의 gap funnel 결함. [ch08](./chapter_23_introduction.md)에서 진단법을 다룬다. - "Method는 알겠는데 결과가 와닿지 않는다" — Results의 declarative subheading 결함. [ch11](./chapter_26_results_discussion.md)에서 처방한다. 각 분기는 구조 단위의 재작업을 요구한다. 단어 수준에서 멈추면 같은 reject가 반복된다. --- ## 18.5 피드백 루프의 빈도와 cooldown Outline iteration 사이 24시간 cooldown은 [Ch.2 §3](./chapter_17_outline_first.md)에 적었다. 같은 원리가 초고 → 수정 사이에도 작동한다 — 최소 48시간을 권한다. 그제서야 글쓴이의 머리가 직전에 쓴 문장의 잔상에서 풀려난다. 마감 직전에 새로운 reader를 투입하지는 않는다. 신선한 reader는 신선한 결함을 잡아내지만, 마감 시점에 그 결함을 모두 처리할 시간이 없다. 처리하지 못한 결함은 글쓴이의 머리에 남아 공황을 만든다. 마감 일주일 전부터는 이미 한 번 본 reader에게 같은 글을 다시 보여 줘서 마이너 결함만 잡는 방식이 안전하다. --- ## 18.6 점검 가능한 부분 이 장의 권고 중 일부는 체크리스트로 반복 점검할 수 있다. 섹션별 수정 횟수의 불균형, abstract보다 Method만 계속 고치는 패턴, 피드백이 단어 수준에만 머무는 패턴은 §1 우선순위 위반의 신호다. 단락 수준 결함은 비교적 빨리 보이지만, 섹션·논문 스케일의 결함은 반드시 reader를 바꿔 다시 봐야 한다. --- **출처.** [Mensh & Kording 2017](https://doi.org/10.1371/journal.pcbi.1005619) rule 9 (시간 배분), rule 10 (피드백 루프). [Whitesides 2004](https://onlinelibrary.wiley.com/doi/10.1002/adma.200400767) (cooldown 정신 차용). 비율 수치, 단계별 reader 분리, 진단 분기, 마감 cooldown은 이 장에서 정리했다. 다음: [Ch.4 — CCC: 단락·섹션·논문의 fractal](./chapter_19_ccc.md) # Ch.19 — CCC: 단락·섹션·논문의 fractal 한 단락도 잘 닫지 못하는 학생이 논문 전체를 닫아야 한다는 요구를 받는다. 닫는 문제가 같은 형태로 세 번 반복된다는 점만 보이면 처방은 한 가지로 줄어든다. [Mensh & Kording 2017](https://doi.org/10.1371/journal.pcbi.1005619) rule 3이 그 한 가지를 맥락-Content-Conclusion(CCC)으로 정식화했다. --- ## 19.1 독자의 두 질문 독자가 한 단락 또는 한 섹션을 읽기 시작할 때 두 가지 질문을 동시에 던진다. "왜 이걸 읽고 있지?"와 "그래서 어쩌라고?"다. 앞 질문은 context의 부재가 만들고, 뒤 질문은 conclusion의 부재가 만든다. CCC가 두 질문에 동시에 답하는 최소 골격이다. 신입생들이 자연스럽게 따라가는 구조는 시간순(chronological)이다. "처음에 A를 시도했는데 실패했고, 그래서 B로 갔는데 이건 또 다른 문제가 있어서, 결국 C에 도달했다." 이 구조는 lab notebook에는 적합하지만 논문에는 main failure mode다. Mensh-Kording이 §"chronological structure is the main failure mode"에 적은 표현 그대로다. 독자는 글쓴이가 결과에 도달한 시간 순서를 신경 쓰지 않는다. CCC가 시간순의 대안으로 들어선다. 첫 문장에서 context를 박고, 본문에서 novel content를 풀고, 마지막 문장에서 takeaway를 닫는다. 시간순이 과정을 그대로 노출한다면, CCC는 과정의 결과만 전달한다. --- ## 19.2 3-scale fractal 같은 패턴이 단락·섹션·논문 세 스케일에 그대로 반복된다. - **단락.** 첫 문장 = topic/context. 가운데 문장들 = novel content. 마지막 문장 = takeaway. - **섹션.** 도입 1단락 = 섹션의 목적과 위치. 본문 단락들 = develop. 마무리 단락 = land. - **논문 전체.** Introduction = context. Results = content. Discussion = conclusion. 세 스케일 어느 한 곳이라도 깨지면 fractal이 무너진다. 단락이 잘 닫혀 있어도 섹션이 시간순이면 독자는 길을 잃는다. 섹션이 CCC를 따라가도 단락마다 첫 문장이 결과로 시작하면 독자는 매번 "왜 이걸 읽지?"를 다시 묻는다. 3-scale은 인지 부하 절감 장치다. 같은 골격을 세 번 반복하면 독자의 working memory가 같은 패턴 인식만으로 논문 전체를 따라간다. 패턴이 매 스케일에서 일치할 때 인식 비용이 가장 낮다. --- ## 19.3 Abstract — full CCC self-contained Abstract는 세 요소 모두를 한 단위 안에 담는 유일한 섹션이다. 한 문단 안에 context와 content와 conclusion이 모두 들어가야 한다. Mensh-Kording rule 5는 이를 "key fits its lock" 비유로 적었다 — 결과(key)가 갭(lock)에 정확히 들어맞아야 abstract가 완성된다는 뜻. 이 비유의 함의는 작업 순서에 있다. abstract를 처음에 쓰면 lock(갭)이 흔들리는 동안 key를 깎는 일이 된다. 본문이 안정된 뒤에 abstract를 쓰는 [Whitesides의 권고](./chapter_17_outline_first.md)와 같은 결론에서 만난다. Abstract의 self-contained 성격은 다른 섹션과의 차이도 만든다. 섹션 단위에서는 다음 섹션의 도입이 이전 섹션의 결론을 이어받지만, abstract는 자기 안에서만 닫혀야 한다. 외부 참조가 abstract에 들어가면 self-contained 조건이 깨진다. --- ## 19.4 Tension — 문장 stress vs 단락 CCC [Gopen & Swan 1990](https://www.americanscientist.org/sites/americanscientist.org/files/20053191534_306.pdf)이 §stress position에 적은 규칙은 새 정보는 문장 끝이다. Mensh-Kording rule 3은 takeaway는 단락 끝이다. 같은 "끝"을 다른 두 스케일에서 노린다. 학생들이 충돌처럼 받아들이는 지점이지만 충돌은 아니다. 같은 원리가 두 스케일에 적용된 결과로 보는 쪽이 정확하다. 독자의 기대가 끝에서 충족된다는 한 원리가 sentence와 paragraph 양쪽에 작동한다. 단락의 마지막 문장 안에서도 stress position 규칙은 그대로 살아 있고, 그 마지막 문장의 끝에 단락 전체의 takeaway가 놓인다. 이 책의 입장은 둘 다 끝을 노린다는 한 줄로 정리된다. 스케일이 다르고 끝이 가리키는 단위도 다르지만, 독자의 기대 방향은 같다 — 충돌하지 않는 두 규칙이 같은 문장 끝에서 만난다. --- ## 19.5 흔한 실수 5종 CCC가 깨지는 패턴은 비교적 정형화되어 있다. - 단락 첫 문장에 결과부터 박는 경우 — context 슬롯이 비어 있고, 독자는 "왜 이걸 읽지?"를 묻는다. - 단락 마지막 문장이 다음 단락의 도입으로 새는 경우 — conclusion 칸에 transition을 두면 takeaway가 사라진다. 가장 빈번한 결함이다. - 섹션 도입 단락 없이 §2.1로 바로 진입하는 경우 — 섹션 스케일의 context가 비어 있다. - Discussion에 새 결과가 등장하는 경우 — content 스케일과 conclusion 스케일이 섞인다. Discussion은 새 결과를 두는 곳이 아니다. - Conclusion이 Results의 요약인 경우 — [Ch.5](./chapter_20_subheadings_and_conclusions.md)에서 따로 다룬다. 이 다섯은 체크리스트로 반복 점검할 수 있다. 단락 단위 결함은 비교적 빨리 보이지만, 섹션·논문 스케일의 결함은 결국 사람의 진단이 필요하다. --- **출처.** [Mensh & Kording 2017](https://doi.org/10.1371/journal.pcbi.1005619) rule 3·4·5. [Gopen & Swan 1990](https://www.americanscientist.org/sites/americanscientist.org/files/20053191534_306.pdf) (stress position). tension 화해 입장은 이 장에서 정리했다. 다음: [Ch.5 — 정보가 담긴 소제목과 결론 ≠ 요약](./chapter_20_subheadings_and_conclusions.md) # Ch.20 — 정보가 담긴 소제목과 결론 ≠ 요약 논문 본문을 끝까지 읽는 독자는 소수다. 다수는 소제목만 훑고 figure로 내려간다. 그래서 그 다수에게 논문의 main message가 전달되려면 소제목 자체에 주장이 박혀 있어야 한다. [Whitesides 2004](https://onlinelibrary.wiley.com/doi/10.1002/adma.200400767) §III가 이 점을 정면으로 짚는다. --- ## 20.1 헤딩이 claim을 가져야 하는 이유 skim 패턴의 독자는 본문을 읽지 않고 소제목과 figure caption만 본다. 이 독자에게 "Loop Closure Experiments"라는 헤딩은 정보가 0이다. 같은 곳에 "Loop closure recall improves 14% with multi-scale BEV"가 들어가면, 그제서야 그 한 줄로 main message가 전달된다. heading은 자동 생성되는 TOC고, 그 TOC가 곧 논문의 골격이다. Whitesides가 §III에 적은 권고를 다른 표현으로 옮기면 heading만 읽어도 논문의 main message가 재구성되어야 한다가 된다. 이 조건이 깨진 논문은 skim 단계에서 reject 사유를 만든다. topic-style heading("Network Architecture", "Ablation Study")은 분야의 관행으로 굳어 있어 거부감이 적다. 다만 그 관행이 정보 전달의 기회를 놓치고 있다는 진단이 Whitesides의 입장이다. --- ## 20.2 Before / After 5쌍 로보틱스 분야 헤딩 5쌍을 비교하면 패턴이 보인다. | Before (topic) | After (claim) | |---|---| | Loop Closure Experiments | **Loop closure recall improves 14% with multi-scale BEV** | | Ablation Study | **Removing geometric prior degrades RTE by 38% on KITTI-08** | | Comparison with Baselines | **Our method matches LIO-SAM accuracy at 1/3 the runtime** | | Network Architecture | **A two-branch encoder separates appearance from geometry** | | Dataset and Metrics | **We evaluate on KITTI-360 and VIVID with rotation/translation error** | After 쪽 다섯 헤딩의 공통점은 동사·숫자·대상이 명시되어 있다는 점이다. "improves 14%", "degrades RTE by 38%", "matches at 1/3 runtime", "separates appearance from geometry"가 한 줄에 박혔다. 동사가 빠진 명사구만 남으면 헤딩은 정보를 잃는다. --- ## 20.3 작성 절차 3단계 claim-style 헤딩 한 줄을 만드는 절차는 다음과 같다. 1. 본문 핵심 결론을 한 문장으로 적는다. 2. SVO로 다듬는다. Whitesides §III의 no nouns as adjectives 규칙이 여기에 작동한다. "ATP formation"보다 "formation of ATP"가 권장 형태다. 3. 길이를 60-80자 사이로 자른다. 90자가 넘으면 헤딩이 단락처럼 읽히고, 30자 아래로 내려가면 정보량이 부족하다. 이 절차는 outline iteration 4-5회차에 들어가는 작업이다. 1-3회차에서는 헤딩이 placeholder로 남아 있어도 된다. claim-style로 다듬는 작업은 본문 결론이 안정된 뒤에야 비로소 의미가 있다. --- ## 20.4 Conclusions ≠ Summary Conclusions 섹션에 Results의 숫자를 다시 나열하는 패턴이 가장 흔한 결함이다. "In summary, we showed A, B, and C."로 시작하는 Conclusions는 abstract와 Results에 이미 있는 정보를 한 번 더 반복한다. 독자에게 새 정보가 0이다. Whitesides가 §III에 적은 정의는 명확하다. Conclusions는 higher-level analysis다. 결과들이 합쳐 무엇을 말하는지, 분야에 어떻게 기여하는지, 어떤 가설이 살아남고 어떤 가설이 죽었는지가 들어간다. 형태는 "목록 of short phrases"고, 각 phrase는 새로운 통찰이어야 한다. Discussion 섹션이 별도로 있는 논문이라면 Conclusions는 더 짧아진다 — 3-5 phrase 정도가 적정선이다. Discussion이 없는 venue 형식이라면 Conclusions가 그 역할을 흡수해 길어진다. 어느 쪽이든 Results의 요약이 들어가서는 안 된다는 점은 같다. --- ## 20.5 흔한 실수 Conclusions·heading 양쪽에서 반복되는 실수는 다음과 같다. - "In summary, we showed A, B, and C." — A·B·C는 이미 abstract와 Results에 있다. 한 단계 위로 올라가지 않았다. - Conclusions에 future work 한 줄만 달랑 쓰는 경우 — higher-level analysis가 비어 있다. future work는 Conclusions의 마지막 phrase에만 들어간다. - 헤딩 길이가 들쭉날쭉한 경우 — 한 섹션 안에 10자 헤딩과 90자 헤딩이 섞이면 평행성이 깨진다. 같은 스케일의 헤딩은 길이가 비슷해야 skim에서 리듬이 살아난다. - claim-style 헤딩에서 동사가 빠지는 경우 — "BEV-based Loop Closure"는 명사구다. claim이 되려면 동사가 들어가야 한다. --- ## 20.6 점검 절차 claim-style 헤딩은 본문 한 섹션에서 결론 문장을 먼저 추출한 뒤 만든다. 그 문장을 SVO로 다듬고, 길이 제약 안에서 잘라 내며, 같은 섹션 안의 헤딩 길이와 문장 구조를 맞춘다. outline iteration 후반부에서 사람이 손으로 반복해야 하는 절차다. --- **출처.** [Whitesides 2004](https://onlinelibrary.wiley.com/doi/10.1002/adma.200400767) §III (information-rich subheadings, conclusions as higher-level analysis). [Mensh & Kording 2017](https://doi.org/10.1371/journal.pcbi.1005619) rule 7 (declarative statements, 보조). 로보틱스 5쌍은 이 장에서 정리했다. 다음: [Part 3 — 섹션별 작성법](./chapter_22_title_abstract.md) # Ch.21 — 문단 흐름 문장 단위는 다듬었는데 한 문단을 읽으면 흐름이 끊긴다고 느끼는 학생이 있다. 같은 단락의 문장 다섯을 따로따로 보면 다 멀쩡한데, 이어 붙이면 어딘가가 어긋난다. 그 어긋남의 정체가 ch14가 다룬 stress·topic 5원칙의 paragraph 층위다. [Gopen & Swan 1990](https://www.americanscientist.org/article/the-science-of-scientific-writing) §III가 한 줄로 박아 둔다. old before new. 한 문장 안에서 작동하는 이 원칙이 한 문단 안에서도 같은 형태로 작동한다는 진단이다. ch04의 CCC가 어디에 무엇이 들어가는가의 자리표라면, 이 장은 어떻게 흐르는가의 흐름표다. --- ## 21.1 두 층위가 동시에 작동한다 한 문단을 읽는 독자의 working memory는 두 층위를 동시에 받는다. 문장 층위에서는 topic position(첫 자리)이 backward link를 걸고 stress position(끝 자리)이 새 정보를 받는다. 문단 층위에서는 첫 문장이 단락의 진입점이 되고 마지막 문장이 takeaway를 받는다. 두 층위가 같은 패턴(old → new)을 공유한다. 잘 굴러가는 문단은 두 곳에서 같은 인지 부담만을 요구한다. 한 층위가 깨지면 독자는 매 문장에서 왜 이 정보가 지금 들어오는지를 다시 추측해야 한다. 그 추측이 누적되면 문단 끝에 도달했을 때 takeaway가 무엇이었는지가 흐려진다. 학생들이 가장 자주 어기는 곳이 paragraph 층위다. 문장 단위는 ch14의 5원칙으로 어느 정도 다듬어지지만, 문장 사이를 어떻게 묶는가는 별도의 작업으로 인식되지 않은 채 남는 경우가 많다. --- ## 21.2 Topic chain — 문장 간 backward link **각 문장의 첫 명사구가 앞 문장의 어딘가와 연결되어야 한다.** 직전 문장의 stress position에 등장한 명사구가 다음 문장의 topic position을 받는 패턴이 가장 자연스럽다. > ❌ The proposed method achieves 14% improvement on KITTI. Many sequences are challenging due to dynamic objects. Loop closure is critical. > > ✓ The proposed method achieves 14% improvement on KITTI. The improvement holds across sequences with dynamic objects, where loop closure is most critical. ❌ 쪽은 세 문장의 첫 명사구가 the proposed method · many sequences · loop closure로 끊긴다. 연결이 0이다. ✓ 쪽은 the proposed method → the improvement → where loop closure로 backward link가 한 줄로 이어진다. **첫 명사구는 직전에 등장한 명사·대명사·요약 명사구로.** "this", "the result", "such configurations" 같은 요약 명사구가 backward link를 만드는 도구다. --- ## 21.3 Stress chain — 새 정보의 누적 **문장 끝(stress position)의 새 정보가 다음 문장 첫 자리(topic position)로 흘러간다.** 이 받기가 깨지면 단락 안에서 정보가 누적되지 않는다. > ✓ Geometric ICP failed on textureless walls. These walls dominate indoor scans, where photometric gradients are weak. Weak gradients motivate hybrid methods. 세 문장의 stress가 각각 textureless walls · weak gradients · hybrid methods. 다음 문장의 topic이 직전 stress를 받아 단락이 한 방향으로 흐른다. 단락의 마지막 stress에 hybrid methods가 도달했을 때, 그 끝점이 단락 전체의 takeaway 후보로 잡힌다 — ch04 §1의 conclusion 위치와 정확히 일치한다. **매 문장 끝에 보일러플레이트가 들어서면 stress chain이 비어 있다.** "in this paper", "of our approach" 같은 표현이 매 문장 stress를 차지하면 어느 자리에 새 정보가 박혔는지가 흐려진다. ch14의 stress position 진단과 같은 축. --- ## 21.4 흔한 결함 4종 **Topic 끊김.** 문장 첫 자리에 새 명사가 연속으로 등장. backward link 0. 진단법 — 한 단락의 첫 명사구만 추출해 한 줄로 나열, 그 줄이 흐르는지 본다. **Stress 흩뿌리기.** 매 문장 끝에 보일러플레이트가 점유. 새 정보가 어디에 있는지 흐릿. 진단법 — 한 단락의 마지막 명사구만 추출해 한 줄로, 새 정보가 누적되는지 본다. **메시지 둘.** 한 단락에 takeaway 후보가 둘. ch04 §5의 흔한 실수 첫 항과 같은 결함. 쪼갠다. **접속사 남발.** "However", "Moreover", "Therefore"를 매 문장 첫 자리에 박는 패턴. backward link를 접속사가 대체하면 topic chain이 비어 있다는 증거. 접속사는 한 단락에 한두 번이 상한. --- ## 21.5 자기 진단 — 두 줄 추출법 자기 단락 한 토막을 가지고 다음 두 작업을 돌려 본다. 1. 각 문장의 첫 명사구만 추출해 한 줄로 나열. 이 줄이 topic chain. 2. 각 문장의 마지막 명사구만 추출해 한 줄. 이 줄이 stress chain. 두 줄을 나란히 놓는다. topic chain이 끊기지 않고 흐르는가. stress chain이 새 정보를 누적하는가. 둘 중 하나라도 깨지면 그곳이 흐름 결함이 박힌 곳이다. ch14의 reverse-read 진단(자기 문장 단위)이 paragraph 층위로 격상된 도구. 같은 도구를 읽기 측면에서 적용한 글이 [Part 1 ch07 reader expectations 진단](./chapter_12_reader_expectations_diagnosis.md)이다. 쓰기와 읽기 양쪽에서 같은 두 줄 추출이 작동한다. --- ## 21.6 CCC와의 관계 ch04의 CCC가 자리표라면 ch06은 흐름표. 두 관점이 서로 보완한다. CCC 골격이 잡힌 단락도 topic chain·stress chain이 무너질 수 있다. 첫 문장에 context가 잘 박혀 있어도, 그다음 문장의 topic이 첫 문장 stress를 받지 않으면 흐름이 깨진다. CCC가 깨진 단락은 두 줄 추출에서 stress chain의 마지막이 takeaway가 아닌 단어에 도달한다. 두 진단은 순서로 적용한다. CCC 자리표를 먼저 확인하고, 칸이 채워졌으면 두 줄 추출로 흐름을 검증한다. 칸이 비어 있는데 흐름부터 다듬으면 빈 칸이 그대로 남는다. --- **출처.** [Gopen & Swan 1990](https://www.americanscientist.org/article/the-science-of-scientific-writing) §III — old before new가 paragraph 층위에도 작동. [Mensh & Kording 2017](https://doi.org/10.1371/journal.pcbi.1005619) rule 3 연결. 두 층위 통합 관점과 두 줄 추출 진단법은 이 장에서 정리했다. 다음: [Part 3 — 섹션별 작성법](./chapter_22_title_abstract.md) # Ch.22 — 제목과 초록 한 reviewer가 한 학회에서 받는 manuscript 5-10편 중 다수가 제목만으로 1차 분류된다. 그 분류를 통과한 paper는 다음 단계에서 abstract 한 paragraph 안에서 verdict의 큰 뼈대를 받는다. 제목과 초록은 본문에 도달하기 위한 입장권이다. [Whitesides 2004](https://onlinelibrary.wiley.com/doi/10.1002/adma.200400767) §IV가 둘을 한 묶음으로 다룬 이유도 이 비대칭에서 나온다. [Mensh & Kording 2017](https://doi.org/10.1371/journal.pcbi.1005619) rule 1과 rule 5가 각각 제목과 초록의 골격을 정의해 둔다. ch01 §6의 readership-weighted budget이 둘에 가장 큰 시간 비중을 할당하라고 권하는 것도 같은 이유다. --- ## 22.1 Title — contribution 한 문장 **제목은 한 문장으로 압축한 contribution이다.** Mensh-Kording rule 1의 정식화. 본인 논문이 분야에 무엇을 더했는가가 제목 한 줄로 추출되어야 한다. **동사가 들어가야 contribution이 산다.** "BEV-based Loop Closure"는 명사구일 뿐이다. 그 명사구가 무엇을 했는가는 본문을 읽어야 알 수 있다. "BEV-based loop closure halves recall failures on KITTI"는 동사·숫자·대상이 박혀 있다. ch05 §3의 헤딩 작성 절차와 같은 축. **길이 권고는 12-15 단어.** 너무 짧으면 contribution이 압축되지 않은 상태로 남고, 너무 길면 인덱싱·인용·자동화 분류기에서 손실이 생긴다. 분야 관행과 venue 한도 안에서. **Keyword density.** contribution과 직결되는 keyword 2-3개가 제목에 들어가야 한다. 검색·인덱싱·자동 추천이 이 keyword를 입력으로 받는다. --- ## 22.2 Abstract — full CCC self-contained **Abstract는 자기 안에서 닫혀야 한다.** Mensh-Kording rule 5가 key fits its lock 비유로 박았다. 결과(key)가 정확히 갭(lock)에 들어맞아야 abstract가 완성된다. ch04 §3에서 다룬 self-contained 조건과 같은 축. **다섯 칸이 한 paragraph 안에 들어간다.** 1. **Field gap** — 분야 전체의 큰 빈틈 한 줄. 2. **Paper gap** — 본 논문이 메우는 정확한 자리 한 줄. 3. **Approach** — 그 자리를 어떻게 메우는가 한두 줄. 4. **Result** — 핵심 숫자. 수치 하나가 강하게 박혀야 reviewer가 verdict의 뼈대를 받는다. 5. **Implication** — 분야에 무엇을 의미하는가 한 줄. **외부 참조 금지.** "Fig. 3 shows …", "in Sec. 4 we …" 같은 본문 참조가 abstract에 들어가면 self-contained 조건이 깨진다. abstract만 떼어 별도 manuscript로 읽혔을 때 자족적이어야 한다. **길이 권고는 150-250 단어.** venue별 한계 안에서. 너무 짧으면 다섯 칸이 압축 안 되고, 너무 길면 reviewer 입장에서 본문을 미리 보는 글이 된다. --- ## 22.3 작성 순서 — 본문이 안정된 뒤 **Abstract는 맨 마지막에 쓴다.** Whitesides §IV의 강한 권고. 본문이 흔들리는 동안 abstract를 깎으면 lock이 흔들리는 동안 key를 깎는 일. 본문 outline 4-5회차가 안정된 뒤, 그제서야 abstract 작업의 첫 칸이 열린다. 제목도 같은 시점에 있다. outline iteration 1-3회차에서는 placeholder로 남아 있어도 된다. claim style로 다듬는 작업은 본문 결론이 안정된 뒤에야 의미가 자란다 — ch05 §3의 작성 절차와 같은 관점. **시간 배분.** ch01 §6의 readership-weighted budget을 그대로 따른다 — 제목에 한 시간, abstract에 두세 시간이 권장 비율이다. 본문 한 섹션에 8-10시간을 들이는 학생이 abstract에 30분을 쓰는 패턴이 흔하다. 그 비율이 reject 사유의 비율과 거의 정확히 반대로 작동한다. --- ## 22.4 arXiv 시대 — 자동화 pipeline의 first filter [김기섭 교수 「연구길의 초입에서」](https://gsk1m.github.io/productivity/2024/05/25/entering-research.html)가 같은 문제를 arXiv 자동화의 관점으로 적었다. > "제목이 입력 pipeline의 first filter다. arXiv·alphaxiv·Google Scholar의 자동 추천·검색 분류기가 제목·초록 token을 보고 paper를 push할지 말지 결정한다." 이 진단이 §1·§2의 권고에 한 층위를 더 얹는다. first filter가 reviewer 한 층뿐이라는 가정에 대한 수정. 자동화 분류기가 제목의 keyword density를 입력으로 받아 어디로 push할지를 결정한다. contribution keyword와 분야 keyword가 제목에 들어가야 자동화 층위를 통과한다. **Abstract의 첫 1-2 문장은 자동 요약기·LLM 추천기의 입력 slice.** 그 첫 두 문장에 paper gap과 contribution이 와야 자동화 추천에서 왜 이 paper가 추천되는가가 살아남는다. abstract의 마지막에 contribution을 두고 첫 문장을 분야 일반론으로 시작하는 패턴이 가장 자주 손실되는 결함. 자동화 층위는 분야 reviewer가 작동하는 층위와 방향이 같다. 둘 다 first filter에서 contribution keyword와 paper gap을 본다. 자동화에 맞추는 작업이 reviewer에 맞추는 작업과 정렬된다. --- ## 22.5 흔한 실수 4종 **제목이 명사구만.** "A New Method for Loop Closure"는 동사가 없어 contribution이 암시만 된다. reviewer가 본문을 읽어야 contribution이 추출되는 결함. **Abstract가 본문 도입처럼.** context만 길게 늘이고 result number가 들어가지 않는 패턴. 수치 하나가 abstract에 박히지 않으면 self-contained 조건이 깨진다. **Abstract에 외부 참조.** 본문의 figure·section을 가리키는 reference가 들어가면 곧 self-contained 위반. **제목에 두 contribution.** 첫 논문이면 contribution이 한 줄로 압축되지 않은 시점. ch01 §1의 하나의 논문에는 하나의 메시지 권고와 같은 관점. contribution 둘이 제목에 동시에 박히면 두 곳에서 reject 사유가 자란다. --- **출처.** [Whitesides 2004](https://onlinelibrary.wiley.com/doi/10.1002/adma.200400767) §IV — abstract 작성 순서·자기완결성. [Mensh & Kording 2017](https://doi.org/10.1371/journal.pcbi.1005619) rule 1 (제목 = contribution 한 문장) + rule 5 (abstract = key fits its lock). [김기섭 교수 「연구길의 초입에서」](https://gsk1m.github.io/productivity/2024/05/25/entering-research.html) — arXiv 자동화·제목 first filter. 흔한 실수 4종은 이 장에서 정리했다. 다음: [Ch.8 — Introduction 해부](./chapter_23_introduction.md) # Ch.23 — Introduction은 어떻게 좁혀지는가 논문 1차 심사에서 reviewer가 verdict의 큰 뼈대를 잡는 곳 — Introduction이다. [Keshav (2007)](https://web.stanford.edu/class/ee384m/Handouts/HowtoReadPaper.pdf)이 정리한 1st pass에서 reviewer가 읽는 페이지는 첫 한 장이고, 그 한 장의 대부분이 Introduction이다. 그 사실이 곧 Introduction의 비중. Introduction이 흔들리면 method가 정확해도 verdict는 reject 쪽으로 기운다. 학생들이 가장 자주 하는 실수는 Introduction을 Related Work의 축약본으로 채우는 것이다. 인용을 줄줄 늘어놓고, 끝에서 "we propose …"로 점프한다. 이 형식은 reviewer 입장에서 왜 이 논문이 존재하는지에 답을 못 얻은 채로 contribution 문장에 도달하게 만든다. 해소는 두 프레임을 겹쳐 쓰는 데서 시작한다. [Whitesides 2004](https://onlinelibrary.wiley.com/doi/10.1002/adma.200400767) §III가 정리한 5요소 — 무엇이 들어가야 하는가의 자리표 — 와 [Mensh & Kording 2017](https://doi.org/10.1371/journal.pcbi.1005619) rule 6의 gap funnel — 어떤 순서로 좁혀 가는가의 흐름표 — 두 가지를 겹친다. --- ## 23.1 서론의 다섯 슬롯 Whitesides가 §III에 박은 다섯 칸은 다음과 같다. 1. **Objectives** — 무엇을 했는가. 한 문장으로 답할 수 있어야 한다. 2. **Justification** — 왜 했는가. objective의 동기. 3. **Background** — 독자가 알아야 하는 최소 사전 지식. footnote 분량으로. 4. **Reader guidance** — 이 논문에서 무엇을 만나게 되는지. "In Sec. 2 we describe …". 5. **Summary preview** — 핵심 결과의 한 줄. abstract와 다른 함의로 작동. 다섯 칸 모두를 첫 1-2 단락에 욱여넣으라는 것이 Whitesides의 권고다. 그가 §II에서 "first paragraph in full early"를 강조한 이유도 첫 두 단락의 정보 밀도가 높기 때문이다. Introduction의 나머지는 이 5요소의 부연이지 새 정보가 아니다. 5요소 점검은 reviewer 시점에서 reverse-read로 한다. 자기 Introduction 첫 두 단락에서 다섯 칸이 한 줄씩 추출되는가. 추출이 안 되는 칸이 있다면 그 칸이 비어 있다는 뜻이다. 그중 가장 자주 빠지는 칸 — Reader guidance다. --- ## 23.2 Gap funnel — 3-tier nesting 5요소가 정적인 자리표라면, gap funnel은 동적인 깔때기다. Mensh & Kording rule 6이 Introduction의 흐름을 세 계단의 빈틈으로 정의했다. - **Field gap**. 분야 전체가 풀지 못한 큰 문제. 한 줄. - **Subfield gap**. 그 분야의 specific 영역에서의 한계. 한두 줄. - **Paper gap**. 본 논문이 정확히 메우는 빈틈. 한 줄. - **→ 기여**. 그 빈틈을 어떻게 메웠는가. 핵심은 빈틈이 좁아진다는 사실이다. field gap은 broad하게 시작하고, paper gap에서 한 점으로 수렴한다. reviewer가 이 깔때기를 따라 내려오면서 "이 논문이 정확히 어디를 메우는가"를 자연스럽게 받는다. 학생들이 가장 흔하게 어기는 칸 — paper gap이다. subfield gap에서 곧장 contribution으로 점프하면 깔때기 한 단이 비고, reviewer는 "왜 이 방법으로 메웠는가"를 본문 어디서도 못 얻는다. 가장 좁은 단이 비면 깔때기 전체가 무너진다. --- ## 23.3 한국어 서론의 여섯 단계 같은 흐름을 한국어 설명로 풀어낸 글이 [엄태웅 대표 G2 「영어 못해도 논문 잘 쓰는 법」](https://gradschoolstory.chkwon.net/terry/englishpaperwriting/)의 Introduction 6단이다. > 1. 큰 문제 — 분야 전체가 푸는 문제. > 2. 점진적 스코프 축소 — 그 분야 안에서 본 논문이 향하는 자리. > 3. 선행 연구 — 그 자리에서 쌓인 시도들. > 4. 한계 — 선행 연구가 풀지 못한 자리. > 5. 본 연구 기여 — 한계를 메우는 본 논문의 시도. > 6. 논문 구성 — 다음 섹션 안내. 이 6단이 §2의 gap funnel 3-tier(field → subfield → paper)와 §1의 Whitesides 5요소를 한 절차에 합친 한국어 적용 사례는다. 1·2·3·4가 gap funnel을 점진적으로 좁히고, 5가 contribution + summary preview를 채우고, 6이 Whitesides의 reader guidance 칸을 명시적으로 박는다. 한국어 문체가 빠뜨리지 않는 6번(논문 구성)이, 영어권 학생이 자주 누락하는 reader guidance와 정확히 같다. 엄태웅 대표가 같은 글에서 강조하는 비율이 Intro에 노력의 40-50% 투자다. 90%의 reviewer가 abstract와 Introduction에서 verdict의 큰 뼈대를 잡는다는 관찰이 그 비율의 근거다. ch01 §6에서 다룬 readership-weighted budget(Mensh-Kording R9)의 한국어 mirror로 읽으면 된다. --- ## 23.4 두 프레임의 매핑 5요소와 gap funnel은 중첩으로 작동한다. | Whitesides 5요소 | Gap funnel 위치 | |---|---| | Background | Field gap + Subfield gap | | Justification | Subfield gap → Paper gap | | Objectives | Paper gap을 메우려는 시도의 명시 | | Summary preview | 기여 | | Reader guidance | (구조적 도움말, funnel과 별개 축) | 이 매핑이 작업 순서를 정한다. outline 단계에서 gap funnel로 흐름을 결정하고, draft 단계에서 5요소로 칸을 점검한다. 두 단계를 합치면 한쪽이 다른 쪽을 가린다. --- ## 23.5 첫 단락의 사례 [KISS-ICP (Vizzo et al., RA-L 2023)](https://arxiv.org/abs/2209.15397)의 Introduction 첫 단락이 두 프레임을 한 호흡에 통과시킨다. field gap은 "LiDAR odometry는 풀린 문제처럼 보인다"로 열고, subfield gap은 "튜닝 지옥이다"로 좁힌다. 그러고는 paper gap이 "단순한 baseline이 부재하다"로 한 점에 모인다. 그 단락의 마지막 문장이 summary preview를 겸한다 — "we show that simple ICP is sufficient when carefully configured." 5요소도 같은 단락에서 다 채워진다. 칸도 정연하다. (a) objective는 "단순한 LiDAR odometry baseline 제시", (b) justification은 "단순함이 generality를 낳는다", (c) background는 ICP 계열의 기존 한계, (d) reader guidance는 다음 단락 시작에서, (e) summary preview는 첫 단락 마지막 문장에서. 발췌와 줄별 분석은 발췌 [`kiss_icp_intro_hook.md`](./excerpts/excerpt_01_kiss_icp_intro_hook.md)에 있다. --- ## 23.6 흔한 실수 4종 **첫 문장이 trend 나열로 시작.** "Recently, deep learning has revolutionized …" 류. 분야 분위기로 시작하면 깔때기가 열리지 않는다. 첫 문장은 문제에서 연다. **Background가 textbook 분량.** 3 단락 이상이면 mini-survey에 가깝다. Related Work 섹션이 따로 있다. Introduction의 background는 paper gap을 이해하기 위한 최소량만. **Reader guidance 누락.** "In Sec. 2 we …" 한 단락이 통째로 빠진 Introduction이 흔하다. Whitesides가 5요소에 명시적으로 박아 둔 칸이다. 한 단락 또는 한 문장이라도 들어가야 한다. **Objective와 기여이 같은 표현으로 반복.** 첫 단락의 objective 문장과 기여 절의 첫 항이 동일한 어구이면 둘 중 하나가 잉여다. objective는 시도를, contribution은 결과를 적는다. --- **출처.** [Mensh & Kording 2017](https://doi.org/10.1371/journal.pcbi.1005619) rule 6 — gap funnel 3-tier nesting. [Whitesides 2004](https://onlinelibrary.wiley.com/doi/10.1002/adma.200400767) §II–§III — 5요소와 first-paragraph-in-full 권고. [Keshav 2007](https://web.stanford.edu/class/ee384m/Handouts/HowtoReadPaper.pdf) — 1st pass에서 Introduction의 비중. [엄태웅 대표 G2 「논문 잘 쓰는 법」](https://gradschoolstory.chkwon.net/terry/englishpaperwriting/) — Introduction 6단과 노력의 40-50% Intro 투자 비율. 두 프레임의 연결과 KISS-ICP 적용은 본문에서 정리. 다음: [Ch.9 — Related Work: 분류와 비판의 자리](./chapter_24_related_work.md) # Ch.24 — Related Work: 분류와 비판의 자리 ch08의 Introduction이 왜 이 논문이 존재하는가에 답한다면, Related Work는 그 주변에 누가 무엇을 시도했는가에 답한다. 두 섹션이 함께 reviewer의 1차 verdict를 받는다. 두 섹션의 분담이 무너지면 한쪽이 분야 분위기만 늘어놓는 결함으로 수렴한다. 학생들이 가장 자주 빠지는 결함은 Related Work를 연도순 인용 나열로 채우는 것이다. "Smith et al. 2018 did A. Lee et al. 2019 did B. ..." 식으로 단락이 흐르면 reviewer 입장에서 어떤 차원에서 비교하는가가 안 보인다. 본인 방법이 어디에 위치하는지가 끝까지 안 잡히고, 이 결함이 단일 reject 사유로 잡힌다. ch01 §1의 reject의 complement 관점이 여기에 직결된다. laundry 목록과 핵심 baseline 누락은 reject 사유로 가장 자주 잡히는 두 결함. --- ## 24.1 분류 axis — laundry 목록 회피 **Related Work의 골격은 분류 axis다.** 본인이 정한 axis 위에 prior work를 위치시키는 작업이 Related Work의 본 작업이다. axis가 잡히지 않은 채 인용을 나열하면 그것이 곧 laundry 목록. **Axis 후보.** 분야마다 다르지만 로보틱스·CV에서 자주 등장하는 axis는 다음 네 종류다. - 입력 modality — LiDAR · RGB · RGB-D · IMU 융합 - 표현 방식 — sparse · dense · neural field - 학습 의존도 — geometric · learned · hybrid - 적용 scenario — 실내 · 야외 · 동적 환경 **이차원 표.** axis 둘로 표를 잡는 것이 분야의 표준 적용 사례는다. 행이 한 axis(예: modality), 열이 다른 axis(예: 학습 의존도). 본인 방법이 표 위에서 비어 있던 칸에 들어가면 paper gap이 시각적으로 드러난다. ch08 §2의 paper gap이 표의 한 칸으로 보인다. 이차원 표를 Related Work 섹션에 한 컷 박는 패턴이 분야 reviewer 입장에서 가장 빠르게 분류 완성도를 받는다. 표 없이 본문만으로 axis를 전달하면 reviewer가 axis를 추출해야 한다. --- ## 24.2 비판의 강도 — 정확하되 정중히 **비판은 방법의 한계에 한정한다.** 저자에 대한 비난·저평가 금지. "Smith et al.'s approach is naive"는 reviewer 입장에서 저자 비난으로 읽힌다. "Smith et al.'s approach assumes static environments"가 방법의 한계에 한정한 표현이다. **Vague phrasing 금지.** "may suffer from", "is limited in some scenarios", "could be improved" 같은 표현은 reject 사유로 가장 자주 잡히는 결함. 어떤 dataset의 어떤 시퀀스에서 어떤 metric이 얼마나 깨지는지 수치로 박는다. > ❌ Method X may suffer from drift in long sequences. > > ✓ Method X reports 8.3% drift on KITTI sequence 09 (length 1700m), compared to 1.1% on shorter sequences. ✓ 쪽은 어떤 sequence에서 얼마의 drift가 박혀 있다. reviewer가 이 한 줄을 받으면 비판의 근거가 함께 들어온다. **비판이 강할수록 근거가 강해야.** 본인 실험 또는 prior work의 보고된 한계를 인용. 근거 없이 비판이 강하면 reviewer가 본인 방법의 우위를 만들기 위한 비뚤음으로 의심한다. --- ## 24.3 핵심 baseline 누락의 비용 **본인 방법과 가장 가까운 baseline을 빠뜨리면 단일 reject 사유.** ch01 §1의 reject complement 축에서 가장 자주 잡히는 결함이다. Related Work에 등장하지 않은 baseline은 실험 섹션에서도 등장하지 않는 패턴이 함께 따라온다. **최소선.** 본 분야에서 인용 많은 5편(분야 합의의 anchor)과 최근 1-2년 SOTA 3-5편이 기본. 두 그룹 다 다뤄야 reviewer가 완성도를 받는다. 한 그룹만 다루면 고전 무시 또는 최신 무관심으로 비뚤어 보인다. **본인 lab self-citation 편중.** 본인 lab 논문만 골라 인용하는 패턴이 외부 reviewer 입장에서 분야 합의가 비뚤어 보이는 결함. self-citation은 전체의 30% 미만이 안전선. 분야별 사례는 [robotics-practice ch20 § 20.8.1](https://alexjunholee.github.io/robotics-practice/guide.html#2081-논문-쓰기-link)의 분야별 baseline catalog에 링크로 둔다. SLAM·detection·segmentation 분야별 핵심 5편 + 최근 SOTA 3편 목록이 그 링크에 있다. --- ## 24.4 흔한 실수 4종 **Laundry 목록.** 연도순 인용 나열. 분류 axis 부재. reviewer가 어떤 차원에서 비교하는가를 추출 못 함. **핵심 baseline 누락.** 본인 방법과 1차 비교 대상이 빠짐. desk reject 사유. **과대 비교.** "we outperform all prior work"를 Related Work에서 선언. 결과 섹션의 몫을 미리 가져온 형태. ch04 §5의 content와 conclusion 스케일이 섞인다 결함과 같은 축. **Self-citation 편중.** 본인 lab 논문만 골라 인용. 분야 합의가 비뚤어 보임. --- ## 24.5 ch08과의 분담 ch08의 Introduction에서 paper gap이 한 줄로 박혔다면, Related Work는 그 paper gap의 주변을 본격적으로 펼친다. 두 섹션의 분담이 다음과 같이 작동한다. | 항목 | Introduction (ch08) | Related Work (ch09) | |---|---|---| | 길이 | 1-2 단락 | 1-2 페이지 | | 인용 수 | 5-10편 | 30-50편 | | 골격 | gap funnel 3-tier | 분류 axis 이차원 | | 비판 | 한 줄, 빈틈 명시만 | 본격, 수치 근거 | | 본인 방법 | 한 문장 contribution | 표 위의 한 칸 | 이 분담이 무너지는 가장 흔한 패턴이 Introduction에 prior work 30편을 인용하는 결함이다. ch08 §6의 흔한 실수 Background가 textbook 분량과 같은 결함. Related Work를 별도 섹션으로 분리하지 않고 Introduction에 합치면 양쪽이 함께 무너진다. --- **출처.** [Gopen & Swan 1990](https://www.americanscientist.org/article/the-science-of-scientific-writing) — paragraph 층위 흐름 (간접). 분야 standard 관점 — 이차원 axis 표·SOTA + 인용 5편 minimum. [robotics-practice ch20 § 20.8.1](https://alexjunholee.github.io/robotics-practice/guide.html#2081-논문-쓰기-link) — 분야별 baseline catalog. 흔한 실수 4종, 비판 강도 권고, 이차원 axis 표 합성은 이 장에서 정리했다. 다음: [Ch.10 — 방법 섹션](./chapter_25_method.md) # Ch.25 — 방법 섹션 [Mensh & Kording 2017](https://doi.org/10.1371/journal.pcbi.1005619) rule 9의 readership 순서에서 Method는 가장 적게 읽히는 섹션이다. 다만 그 적은 readership에 재현성·정확성·공정성에 대한 reviewer 검증이 집중된다. Method는 읽힐 때 작동한다 — 읽힐 준비가 안 되어 있으면 곧 reject 사유로 굳는다. 학생들이 가장 자주 빠지는 결함은 Method를 시간순 lab notebook으로 쓰는 것이다. ch04 §1의 chronological structure 결함과 같은 결, "처음에 X를 시도했는데 안 돼서 Y로 갔고, Y가 또 한계가 있어서 Z에 도달했다"가 본문에 그대로 나오는 패턴. 이 구조는 lab notebook에는 적합하지만 Method에는 main failure mode다. --- ## 25.1 Results-driven structure — 결과를 받기 위한 골격 **Method 섹션의 골격은 Results 섹션의 골격을 거꾸로 받는다.** [Whitesides 2004](https://onlinelibrary.wiley.com/doi/10.1002/adma.200400767) §V·§VI의 강한 권고. Results의 각 figure·table을 만든 procedure가 Method의 각 sub-section으로 이어진다. 이 관점이 작업 순서를 정한다. Results outline을 먼저 잡고, 그 outline에서 Method outline을 역으로 추출한다. ch11에서 다룰 main result table·ablation table·qualitative figure 각각이 Method 어느 sub-section과 짝지어지는지가 outline 단계에서 결정된다. **Method의 sub-heading.** ch05의 claim style은 Method에서는 살짝 약화된다. "Section 3.1 Feature Extraction"보다 "Section 3.1 Multi-scale BEV feature extraction"이 정보 밀도가 높지만, Results의 sub-heading만큼 결과가 박힐 곳은 아니다. 명사·기법명 위주로. --- ## 25.2 Notation table — 추적 가능한 표기 **Method 도입에 notation table 한 컷.** 본문에 등장하는 모든 기호가 그 표 안에서 한 번 정의되어야 한다. 본문에 흩뿌려진 정의는 reviewer가 처음 등장한 자리를 backtrack하게 만든다. **표 구성.** 다음 네 column이 기본이다. | Symbol | Meaning | Dimension/Unit | First introduced | |---|---|---|---| | $\mathbf{T}_k$ | sensor pose at time $k$ | $SE(3)$ | §3.1 | | $\mathbf{r}_i$ | reprojection residual for measurement $i$ | $\mathbb{R}^2$ | §3.2 | | $\lambda$ | regularization weight | scalar | §3.3 | **한 기호의 두 의미 금지.** $R$이 회전행렬·residual·reward로 동시에 쓰이는 논문이 흔하다. 한 기호 한 의미가 ch15 §1 R8에서 다룬 원칙이고, 강제력 있는 통일은 ch16의 매크로 위생에서 본격적으로 다룬다. --- ## 25.3 Algorithm pseudocode — 재현성을 받는 도구 **본 알고리즘은 pseudocode로.** algorithm2e LaTeX 환경이 분야 표준 — 자세한 LaTeX 도구는 [robotics-practice ch20 § 20.8.5](https://alexjunholee.github.io/robotics-practice/guide.html#2085-도구)에 링크로 둔다. **Pseudocode 구조.** - **Input** 한 줄. 어떤 데이터·어떤 hyperparameter를 받는가. - **Output** 한 줄. 어떤 결과·어떤 형태로 반환하는가. - **본문 step** 줄별로. 본문 수식이 등장하는 step에는 식 번호로 연결erence. **계산 복잡도.** pseudocode 끝 또는 caption에 명시. $O(N)$인지 $O(N \log N)$인지 $O(N^2)$인지가 빠지면 reviewer가 언급되지 않은 곳에서 의심한다. runtime 보고가 빠른데 complexity가 안 적혀 있으면 정말 빠른가가 검증 불가로 남는다. --- ## 25.4 Hyperparameter table — 변인의 명시 **Hyperparameter는 모두 표로.** 본문에 흩뿌리면 reviewer가 추적 못 한다. "we use learning rate 1e-4 ... batch size 32 ... 그리고 또 ..."가 본문에 분산되어 있는 패턴이 가장 자주 결함으로 잡힌다. **표 구성.** parameter · 값 · 의미 · 변경 시 영향 (sensitivity). 마지막 column이 ablation 섹션과 직결한다 — ch11의 ablation 표가 sensitivity column을 검증한다. **Dataset별로 다른 hyperparameter.** dataset × parameter 이차원 표로. 한 hyperparameter가 dataset에 따라 다르면 어떤 dataset에서 어떤 값이 기본인가가 명시되어야 한다. --- ## 25.5 흔한 실수 5종 **시간순 흐름.** "처음에 X 시도, 실패, Y로 변경, 또 실패, Z 도달". lab notebook이지 Method가 아니다. **Notation 흩뿌리기.** 본문에서 처음 등장한 자리에서만 정의. 다시 찾으려면 backtrack해야 한다. notation table 부재의 결함과 같은 축. **Hyperparameter 본문 흩뿌리기.** 표 부재. reviewer가 셀 수 없다. **Pseudocode 부재.** 본문 수식만으로 알고리즘 재현 시도. step 순서·loop 구조가 모호해진다. **계산 복잡도 누락.** runtime 보고는 있는데 complexity가 없으면 reviewer가 왜 빠른가를 못 받는다. --- ## 25.6 ch11과의 짝짓기 Method의 each sub-section이 Results의 each sub-section과 짝지어진 형태에 도달하면, 두 섹션의 일관성이 reviewer 1차 검증을 통과하는 첫 조건으로 잡힌다. 짝짓기가 어긋나는 두 패턴이 가장 자주 결함으로 잡힌다. - **Method에는 있는데 Results에는 없는 component.** "we use multi-scale fusion"이 Method §3.2에 있는데 Results의 어느 figure에서도 검증되지 않은 결함. ablation 부재로 이어진다 — ch11 §3. - **Results에는 있는데 Method에는 없는 component.** Results §4에서 ablation 표에 "w/o geometric prior" row가 등장했는데 Method에는 geometric prior 정의가 없는 결함. notation·정의 누락. 두 패턴 모두 outline 단계에서 Method ↔ Results 짝짓기를 명시적으로 해 두면 사라진다. outline 4-5회차에서 각 sub-section 옆에 짝 표시를 다는 작업이 분야 reviewer가 작동하는 1차 검증을 미리 통과시키는 일이다. --- **출처.** [Whitesides 2004](https://onlinelibrary.wiley.com/doi/10.1002/adma.200400767) §V·§VI — Method 작성·write the methods first. [Mensh & Kording 2017](https://doi.org/10.1371/journal.pcbi.1005619) rule 5·6 — results-driven structure. 분야 standard — notation table·pseudocode·hyperparameter table. [robotics-practice ch20 § 20.8.5](https://alexjunholee.github.io/robotics-practice/guide.html#2085-도구) — booktabs·algorithm2e LaTeX (link). 흔한 실수 5종과 짝짓기 진단은 이 장에서 정리했다. 다음: [Ch.11 — 결과·논의](./chapter_26_results_discussion.md) # Ch.26 — 결과와 논의 Results와 Discussion이 별도 섹션이라는 사실이 신입생 입장에서 가장 자주 흐려지는 관점이다. 결과의 명시와 결과의 해석이 한 섹션에 섞이면 reviewer 입장에서 어느 줄이 새 정보이고 어느 줄이 해석인지 추적이 안 된다. ch04 §5의 content와 conclusion 스케일이 섞인다 결함이 두 섹션 사이에서 가장 자주 발현한다. [Mensh & Kording 2017](https://doi.org/10.1371/journal.pcbi.1005619) rule 5와 rule 8이 두 섹션의 분담을 정식화한다. Results는 figure·table·숫자가 박히는 곳, Discussion은 왜 그런 결과가 나왔는가와 어디까지가 한계인가를 받는 곳. 결국 새 결과는 Discussion에 들어가지 않는다는 한 줄이 두 섹션을 가르는 분기점이다. --- ## 26.1 Results의 골격 — Method를 거꾸로 **Results의 각 sub-section은 Method의 각 sub-section을 거꾸로 받는다.** ch10 §1에서 본 짝짓기의 출구. Method의 procedure가 Results의 figure·table을 만들고, 그 figure·table이 다시 Results의 sub-section 골격을 정한다. **Default 골격 4단.** 1. **Main result vs SOTA 비교** — 핵심 비교 표. 본인 방법이 분야 SOTA 대비 어디에 있는가. 2. **Qualitative figure 1-2개** — 정량적 비교가 못 보여 주는 부분(궤적 시각화·실패 사례 비교 등). 3. **Ablation** — component별 효과 검증. 4. **Failure case** — 본인 방법이 깨지는 지점. limitation 섹션과 짝짓기. **Sub-heading은 claim style.** ch05의 권고가 가장 강하게 작동하는 곳이 Results다. "Loop closure recall improves 14% with multi-scale BEV"가 sub-heading 한 줄에 박혀 있으면 skim 단계에서 main message가 그대로 전달된다. --- ## 26.2 Ablation — 변인 통제 **Ablation 부재는 단일 reject 사유.** 어떤 component가 어떤 효과를 만드는가가 검증되지 않은 채 결과만 던지면 reviewer 입장에서 어떤 부분이 진짜 작동하는가를 추적 못 한다. ch01 §1의 reject complement 항목에서 가장 자주 잡히는 결함 중 하나다. **Ablation 표 구성.** row = 제거된 component (또는 변경된 변인), column = 결과 metric. Full method (baseline)가 첫 행 또는 마지막 행. 표 한 컷 예시. | Variant | KITTI ATE (m) ↓ | KITTI RTE (%) ↓ | Runtime (ms) ↓ | |---|---|---|---| | **Ours (full)** | **0.42** | **0.61** | **18** | | w/o geometric prior | 0.58 | 0.84 | 15 | | w/o multi-scale fusion | 0.51 | 0.73 | 14 | | w/o loop closure | 0.71 | 1.12 | 12 | **Component 한 번에 하나씩.** 두 component를 동시에 제거하면 reviewer가 어느 쪽 효과인가를 추적 못 한다. component 둘의 상호작용을 보고 싶으면 별도 행 (w/o A + B)으로 추가. --- ## 26.3 통계 유의성과 공정 비교 **Main result 표에 std 또는 95% CI.** 단일 run은 reviewer 입장에서 우연일 수 있다. seed 3-5회 average + std가 분야 기본. seed 값까지 명시. **Hyperparameter 검색 budget 동일.** 본인 방법은 grid search 100회 돌리고 baseline은 기본 1회만 돌린 비교는 desk reject 사유. 두 방법에 같은 budget을 할당했음을 명시. **Dataset split·evaluation protocol 일치.** KITTI sequence 00-10 train, 11-21 test 같은 standard split을 옮기면 reviewer가 의심한다. split을 옮길 이유가 있으면 왜 옮겼는가를 본문에 한 줄. **본인 방법의 best column 갯수.** 분야 reviewer가 받아들이는 강도는 본인 방법이 best 또는 second-best를 차지하는 column 비율에 비례한다. 모든 column에서 best일 필요는 없다. 한두 column에서 second-best여도 왜 second-best인가가 Discussion에서 받아지면 강도가 살아남는다. --- ## 26.4 Discussion — 결과의 해석 **Discussion 골격 4단.** Mensh-Kording rule 8 근거. 1. **핵심 발견의 왜**. 결과가 왜 그런 형태로 나왔는가. 2. **분야 합의와의 관계.** Related Work의 분류 axis 위에서 본인 결과가 어디에 위치하는가. 3. **한계.** 방법의 가정·실험 범위·계산 복잡도. 4. **다음 단계.** 짧게. **Limitation 섹션 누락 또는 한계 없음 선언은 desk reject.** 모든 방법은 한계가 있다. 명시하지 않으면 reviewer가 공격 빌미로 잡는다. ch17 rebuttal에서도 limitation 언급이 미리 박혀 있으면 review의 비판이 이미 답변된 항목으로 흡수된다. **한계 기본 세 항목.** 방법의 가정(예: static environment 가정), 실험 범위(예: 실내 dataset만 검증), 계산 복잡도(예: $O(N^2)$ memory). 분야별로 추가. **Discussion에 새 결과 등장 금지.** 새 숫자, 새 figure, 새 ablation은 Results의 몫이다. Discussion이 해석이 아니라 추가 결과가 되면 두 섹션의 분담이 무너진다. --- ## 26.5 분야 standard — 벤치마크 표 작성 분야별로 기본 벤치마크 dataset과 metric이 정해져 있다. 그 기본값을 따르지 않으면 reviewer가 왜 standard에서 벗어나는가를 본문 어디서도 받지 못한다. | 분야 | Default dataset | Default metric | |---|---|---| | Visual SLAM | KITTI · TUM RGB-D · EuRoC | ATE · RTE | | LiDAR SLAM | KITTI · MulRan · Newer College | ATE · RTE · Loop closure recall | | 3D 재구성 | ScanNet · Tanks and Temples · Replica | F-score · 정확도 · 완전성 | | Object detection | COCO · LVIS · Open Images | mAP · AP@[0.5:0.95] | **표 직전 paragraph가 표를 읽는 법을 한 줄로.** "Bold marks the best in each column. Underline the second best." 한 줄이 빠지면 reviewer가 매번 caption을 backtrack한다. ch13 §3에서 더 자세히. **본인 방법 row 강조.** 음영 또는 별표. 표 아래 footnote에 Our method 라벨. reviewer skim 단계에서 어느 row가 본인 방법인가가 한 눈에 잡혀야 한다. 분야별 사례는 [robotics-practice ch20 § 20.8.2](https://alexjunholee.github.io/robotics-practice/guide.html#2082-실험-설계와-ablation)에 링크로 둔다. ablation·변인 통제·통계 유의성·공정 비교의 분야별 사례가 거기에 있다. --- ## 26.6 흔한 실수 5종 **Ablation 부재.** component별 효과 검증 안 됨. 단일 reject 사유. **단일 run.** std/CI 부재. 우연성 미통제. **불공정 비교.** hyperparameter budget·dataset split 비대칭. **Discussion에 새 결과.** content와 conclusion 스케일 혼합. **Limitation 누락.** 공격 빌미 자가 노출. --- **출처.** [Mensh & Kording 2017](https://doi.org/10.1371/journal.pcbi.1005619) rule 5·8 — Results·Discussion 골격. 분야 standard — KITTI·TUM·ScanNet 벤치마크 표. [robotics-practice ch20 § 20.8.2](https://alexjunholee.github.io/robotics-practice/guide.html#2082-실험-설계와-ablation) — ablation·통계 유의성·공정 비교 분야 적용 사례 (link). 흔한 실수 5종과 ablation·통계 권고는 이 장에서 정리했다. 다음: [Ch.12 — Figures: 안티패턴과 좋은 패턴](./chapter_27_figures.md) # Ch.27 — Figures: 안티패턴과 좋은 패턴 [Keshav 2007](https://web.stanford.edu/class/ee384m/Handouts/HowtoReadPaper.pdf)의 1st pass에서 reviewer가 본문은 건너뛰어도 figure는 본다. 본문보다 figure에 시간을 쓰라는 [Mensh & Kording 2017](https://doi.org/10.1371/journal.pcbi.1005619) rule 9의 권고가 이 비대칭에서 나왔다. figure가 한 컷에서 message를 못 전달하면, 본문이 그 빈 곳을 못 채운다. [Whitesides 2004](https://onlinelibrary.wiley.com/doi/10.1002/adma.200400767) §V는 figure 한 컷을 5-10회 다시 그리는 것을 작업 표준으로 잡았다. 처음 그린 figure는 거의 항상 약하므로, 가장 약한 버전을 버리고 가장 강한 한 컷을 남기는 절차를 따로 둔다는 입장이다. 학생들이 첫 figure를 matplotlib 기본 설정 그대로 PDF에 박는 패턴이 흔하다. 안티패턴 카탈로그는 [cxli233 (GitHub)의 Friends Don't Let Friends Make Bad Graphs](https://github.com/cxli233/FriendsDontLetFriends)에 정리되어 있다. 이 장은 그 카탈로그를 로보틱스·CV 사례로 재작성하고 Whitesides의 process 규칙과 합쳐 둔다. --- ## 27.1 차트 안티패턴 **Mean separation에 bar plot.** 평균 차이를 막대로 그리면 분포가 안 보인다. 두 막대의 차이가 sample size 때문인지, variance 때문인지, 진짜 평균 차이 때문인지 구별이 안 된다. KITTI 시퀀스별 RTE 평균을 method A·B로 두 막대로 그리는 figure가 흔한 사례다. 처방은 시퀀스별 점을 strip plot으로 깔고, 위에 평균 막대 또는 box plot을 얹는 것. **Small n에 violin plot.** Violin은 KDE 위에 깔린다. KDE는 n≥10에서 의미 있는 매끈함을 만들고, n=3-5에서는 거짓 매끈함을 만든다. KITTI 4-5 시퀀스만으로 violin을 그리면 분포처럼 보이지만 분포가 아니다. 4-5 시퀀스 비교는 strip plot + 평균 막대로 충분하다. **Unidirectional 데이터에 bidirectional color.** RdBu, coolwarm 같은 발산형 colormap은 0을 중심으로 의미 있는 양/음에만 쓴다. 0-100% recall에 RdBu를 쓰면 50%가 "중립"으로 보이는데, recall 50%는 중립이 아니다. 단방향 양수 데이터에는 viridis, magma 같은 perceptually uniform sequential colormap을 쓴다. **Pie chart.** 인간이 가장 정확도가 떨어지는 비교 작업이 각도 비교다. 실패 모드 분류를 pie로 그리지 말고 가로 막대로. 항목이 5개를 넘으면 막대도 정렬이 필요하다. **Rainbow scale (jet).** 비단조 luminance, 색맹에 hostile, 경계에서 인지적 불연속이 생긴다. matplotlib 2.0 이후 기본이 viridis로 바뀐 것이 이 합의의 결과다. depth map, error map 모두 viridis 계열을 기본으로. --- ## 27.2 라벨·축·통계 안티패턴 **Axis label 누락 또는 단위 누락.** 가로축이 시간인지 관점 index인지, 단위가 second인지 millisecond인지 figure만 보고 답이 안 나오면 desk reject 사유가 될 수 있다. 세로축도 동일. drift가 m인지 %인지, RTE가 m/s인지 m/관점인지. **Error bar 정의 누락.** 막대 위에 ± 표시만 있고 그게 std인지 sem인지 95% CI인지 caption에서 안 밝히면 figure가 통계적으로 무의미해진다. caption 한 줄이 빠져서 figure 전체가 반박 불가가 되는 경우다. **Significance 표기 정의 누락.** `*`, `**`, `***`이 어떤 test의 어떤 p-threshold인지 caption에 명시. 학생들이 별표만 그리고 test 이름을 빼는 일이 흔하다. --- ## 27.3 Caption은 self-explanatory해야 한다 Whitesides §V의 강한 규칙 하나는 caption이 본문을 다시 펼치지 않고도 figure를 이해시켜야 한다는 것이다. reviewer가 본문을 안 읽고 figure만 훑을 때 caption이 takeaway를 전달해야 한다. 그래서 본문에 기댄 caption은 1st pass에서 무용지물로 돌아간다. caption의 권장 구조는 세 부분으로 나뉜다. 1. **한 줄 takeaway.** "Method A는 KITTI 시퀀스 00-10 전반에서 method B 대비 RTE 14% 낮다." 같은 declarative. 2. **데이터·축·기호 정의.** 점이 무엇이고, 색이 무엇이며, error bar가 무엇인지. 3. **통계·n.** sample size, test, p-threshold. ORB-SLAM (Mur-Artal et al., 2015) 논문의 figure 1이 system overview + caption 한 줄 takeaway를 결합한 사례다. 발췌와 분석은 발췌 [`orb_slam_contribution.md`](./excerpts/excerpt_02_orb_slam_contribution.md)에. --- ## 27.4 Figure 제작 process **5-10회 스케치, 가장 약한 버전을 버린다.** Whitesides의 규칙. 한 번에 final이 나오는 figure는 거의 없다. 종이에 거칠게 그린 sketch부터 시작하고, matplotlib 코드는 가장 마지막 두 회차에 들어간다. **Figure 먼저, 본문 나중.** figure가 message를 못 정하면 본문도 못 정한다. Results 절을 쓰기 전에 figure 후보 3-4개를 종이에 먼저 그려본다. **Panel 간 색·기호·선 종류 일관.** 한 논문 안에서 method A는 늘 같은 색과 기호로 등장. figure 3에서 파란 동그라미였다가 figure 7에서 빨간 세모이면 reviewer가 두 번 읽어야 한다. --- ## 27.5 좋은 figure 체크리스트 draft가 끝난 figure 한 컷에 다음 여섯 항목을 적용해 둔다. - Axis label과 단위 명시 - Error bar 정의 caption에 - Colorblind-safe palette (viridis 계열, 또는 ColorBrewer 종류) - Caption 첫 줄이 declarative takeaway - Panel 간 색·기호 일관 - Vector format (PDF/SVG), embedded font 여섯 항목 모두 통과하지 못하면 figure는 아직 draft다. --- **출처.** [cxli233 (GitHub), Friends Don't Let Friends Make Bad Graphs](https://github.com/cxli233/FriendsDontLetFriends) — 차트 안티패턴 카탈로그. [Whitesides 2004](https://onlinelibrary.wiley.com/doi/10.1002/adma.200400767) §V — 5-10회 스케치, self-explanatory caption. [Mensh & Kording 2017](https://doi.org/10.1371/journal.pcbi.1005619) rule 9 — figure에 시간 배분. 로보틱스·CV 사례 재작성과 체크리스트는 이 장에서 정리했다. 다음: [Ch.13 — Tables: 비교의 자리](./chapter_28_tables.md) # Ch.28 — Tables: 비교의 자리 ch12의 figure가 분포·궤적·qualitative를 보여 준다면, table은 수치 비교를 받는다. 두 영역의 결정 기준이 다른 만큼, figure를 표로 옮기거나 표를 figure로 옮기는 작업이 항상 한쪽을 약화시킨다. 분포가 중요한 곳에 표를 박으면 분포가 사라지고, 정확한 수치 비교가 중요한 곳에 figure를 박으면 reviewer가 bar 길이에서 수치를 추출해야 한다. [cxli233 (GitHub)의 Friends Don't Let Friends Make Bad Graphs](https://github.com/cxli233/FriendsDontLetFriends)가 figure 안티패턴을 카탈로그한 것처럼, table 안티패턴도 분야에서 정형화된 형태로 반복된다. 이 장은 ch12와 같은 방식으로 table의 안티패턴과 좋은 패턴을 정리한다. --- ## 28.1 안티패턴 5종 **강조 표시 일관성 부재.** 본인 방법은 bold, baseline은 plain. 그런데 ablation 표에서는 best component가 underline. 한 논문 안에서 강조의 의미가 표마다 바뀌면 reviewer가 매번 caption을 backtrack해야 한다. 한 논문 한 규약 — bold = best, underline = second best가 분야에서 가장 안전한 기본. **너무 많은 column.** KITTI 11 시퀀스를 모두 column으로 박으면 표가 한 페이지를 넘는다. 시퀀스를 row로, metric을 column으로 (또는 그 반대) 일관되게. 표 하나에 5-15 row × 3-7 column이 가독성 한계. **Vertical line 남발.** LaTeX 기본 `|`가 모든 column 사이에 들어가는 패턴. booktabs(`\toprule`, `\midrule`, `\bottomrule`만)가 분야 표준이고, vertical line 0개가 권고. **Default 폰트 크기.** 표가 본문 폰트와 같은 크기면 cell 여백이 부족해 답답하게 읽힌다. `\small` 또는 `\footnotesize`로 한 단계 줄이면 cell 호흡이 살아난다. **숫자 정렬 부재.** 0.143과 0.07이 한 column에 섞여 있는데 소수점 위치가 안 맞으면 시각적 비교가 깨진다. `siunitx` package 또는 `\phantom{0}`으로 자릿수 맞추기. 한 column 안에서 모든 숫자의 소수점이 같은 위치에 와야 한다. --- ## 28.2 좋은 패턴 **Booktabs.** `\toprule` (표 상단), `\midrule` (header와 body 사이), `\bottomrule` (표 하단). vertical line 0개. column 그룹이 필요하면 `\cmidrule{2-4}`로 부분 horizontal line. 분야 reviewer 입장에서 가장 빠르게 완성도를 받는 패턴이다. **강조 규약 명시.** caption 첫 줄 또는 표 하단 footnote에 명시. Bold marks the best, underline the second best in each column. 한 논문의 모든 표가 같은 규약을 공유한다. **Caption 구조 3단.** 1. **한 줄 takeaway.** "Method A consistently outperforms baselines on KITTI sequences 00-10." 2. **표 읽는 법.** bold/underline 의미·dataset split·평균 횟수. 3. **통계.** std 또는 95% CI·n·seed. **본인 방법 row 강조.** 음영(`\rowcolor{gray!15}`) 또는 별표. 표 아래 footnote에 Our method 라벨. reviewer skim 단계에서 어느 row가 본인 방법인가가 한 눈에 잡혀야 한다 — ch11 §5와 같은 권고. --- ## 28.3 세 종류 — 비교 표·ablation 표·hyperparameter 표 **비교 표.** row = method, column = dataset/sequence × metric. 본인 방법 한 줄, baseline 5-10줄. 분야 standard SOTA가 빠지면 desk reject — ch11 §3 항목. column이 많아지면 dataset별로 표를 나눈다. | Method | KITTI 00 ATE ↓ | KITTI 09 ATE ↓ | TUM fr1 ATE ↓ | Runtime ↓ | |---|---|---|---|---| | ORB-SLAM3 | 0.51 | 1.34 | 0.018 | 22 ms | | LIO-SAM | 0.42 | 0.91 | — | 28 ms | | **Ours** | **0.38** | <u>0.73</u> | **0.012** | **18 ms** | **Ablation 표.** row = removed component, column = metric. 첫 행 또는 마지막 행이 full method (baseline). 한 component씩 제거. ch11 §2의 표 예시가 같은 형태. **Hyperparameter 표.** row = parameter, column = value · meaning · sensitivity. 마지막 column이 ablation 섹션과 직결 — 변경 시 RTE 0.84 → 0.61처럼 sensitivity가 박혀 있으면 reviewer가 ablation에서 검증된 항목을 한 눈에 받는다. --- ## 28.4 흔한 실수 4종 **강조 일관성 부재.** bold/underline의 의미가 표마다 다름. 한 논문 한 규약을 어김. **Column 폭주.** row와 column 축이 잘못 잡힘. 시퀀스가 column에 가서 표가 가로로 넘침. **숫자 정렬 부재.** 소수점이 어긋남. 시각적 비교가 깨짐. **Caption 한 줄 takeaway 부재.** 표만 보고 결론을 못 잡음. ch12 §3의 figure caption 권고와 같은 권고. --- ## 28.5 ch12와의 결정 기준 figure와 table 중 어느 쪽에 정보를 박을지 결정하는 기준은 다음과 같다. - **분포가 중요하면** figure (strip plot · violin · box). row 5개 column 3개 표는 분포를 못 보여 준다. - **정확한 수치 비교가 중요하면** table. figure의 bar 길이에서 reviewer가 수치를 추출해야 하면 비교 정확도가 떨어진다. - **Trajectory·spatial 정보면** figure (궤적 시각화·heatmap·error map). 표가 spatial 정보를 못 받는다. - **Method 간 다차원 비교면** table. 5-7 dimension의 비교는 figure로 표현하기 어렵다. 두 매체가 같은 결과를 중복해서 보여 주면 한쪽을 빼는 것이 권고. 같은 KITTI 결과를 figure 하나와 표 하나로 동시에 박으면 한쪽이 잉여로 남는다. figure는 qualitative trajectory, 표는 quantitative metric 비교로 분담. LaTeX 도구(booktabs·algorithm2e)의 자세한 사용법은 [robotics-practice ch20 § 20.8.5](https://alexjunholee.github.io/robotics-practice/guide.html#2085-도구)에 링크로 둔다. --- **출처.** [cxli233 (GitHub), Friends Don't Let Friends Make Bad Graphs](https://github.com/cxli233/FriendsDontLetFriends) — 안티패턴 문체 기준 (chart 카탈로그를 table로 적용). [Gopen & Swan 1990](https://www.americanscientist.org/article/the-science-of-scientific-writing) — figure/table 일반 원칙 (간접). [robotics-practice ch20 § 20.8.5](https://alexjunholee.github.io/robotics-practice/guide.html#2085-도구) — booktabs·algorithm2e LaTeX (link). 안티패턴 5종, 좋은 패턴, 세 종류 분류, 흔한 실수 4종은 이 장에서 정리했다. 다음: [Ch.14 — 문장 구조와 독자 기대](./chapter_29_reader_expectations.md) # Ch.29 — 문장 구조와 독자 기대 영어 논문이 안 읽힌다는 직감을 가진 학생이 어휘를 더 어렵게 바꾸려 든다. [Gopen & Swan 1990](https://www.americanscientist.org/article/the-science-of-scientific-writing)의 진단은 정반대 방향을 가리킨다. 글의 어려움은 구조에서 온다. 단어를 바꾸는 작업은 헛수고에 가깝고, 고쳐야 하는 곳은 문장 안에서 정보가 놓이는 위치다. Gopen-Swan이 같은 논문에서 박은 다른 명제는 도구적 함의가 더 크다. "글의 질을 개선하면 사고의 질이 개선된다." 구조를 다듬다 보면 개념의 빈틈이 드러난다는 관찰이다. 그러니까 문장 구조 점검은 사고의 점검 도구로 작동한다. 다만 이들은 원칙이라는 단서가 같이 붙는다. 잘 쓰는 사람은 잘 어긴다. 어기는 위치가 일관되고, 어겨도 되는 이유를 안다. --- ## 29.1 문장 안의 위치 — 5대 원칙 **Stress position — 문장 끝에는 새 정보를.** 문장 끝, 또는 `;` `:` 직전이 강조 위치다. 독자는 거기에 도달할 때 닫힘(closure)을 느끼고 가장 강하게 기억한다. 보일러플레이트가 거기에 오면 강조가 무로 돌아간다. > ❌ The proposed method achieves 14% improvement in this paper. > > ✓ In this paper, the proposed method achieves a 14% improvement. "in this paper"는 backward link라서 topic position에 둔다. stress position은 14%가 받는다. **Topic position — 문장 머리에는 이미 등장한 것.** 문장 첫 단어는 관점을 정하고 backward link를 건다. 새 명사를 첫머리에 던지면 독자가 앞 단락과 연결할 단서를 잃는다. **Subject-Verb proximity — 주어와 동사 사이는 짧게.** 주어와 동사 사이에 단어 15개를 넘기면 red flag. 한국 학생이 관계절·전치사구를 끼워 넣다가 가장 자주 어기는 원칙이다. 독자는 동사를 받기 전까지 주어를 working memory에 들고 있어야 한다. **Old-before-New.** topic = old, stress = new. Gopen-Swan이 "미국 전문 글쓰기 1번 문제"라고 박은 원칙. 정보 흐름이 거꾸로 가면 독자가 매 문장에서 왜 이 정보가 지금 들어오는지를 추론하느라 인지자원을 쓴다. **Action-in-verb.** action은 verb 자리에 둔다. 명사화하면 verb 자리가 헐겁다. > ❌ We performed an evaluation of the algorithm on KITTI. > > ✓ We evaluated the algorithm on KITTI. 명사화는 공식적 톤을 만들지만 stress position을 약화한다. evaluation이 stress position에 갇히고, 정작 새 정보인 KITTI가 끝에서 밀린다. --- ## 29.2 단위 하나, 메시지 하나 한 문장 = 한 메시지가 Gopen-Swan의 다섯 번째 원칙이다. 진단법은 단순하다. stress position 자격 후보가 둘 이상이면 그 문장이 너무 길다. > "딸기 쇼트케이크로 시작해 브로콜리로 끝내는 식사는 없다." stress position에 들어갈 만큼 무게 있는 명사구가 한 문장 안에 둘 이상 등장하면 식사 메뉴가 어긋난다. 끊어서 두 문장으로 만든다. 길게 갈 수밖에 없는 곳에서는 `:`나 `;`가 secondary stress를 만든다. punctuation이 만드는 medial closure다. 거기에도 무게 있는 명사구가 받게 배치해 둔다. --- ## 29.3 한국어 → 영어 — 모국어가 만드는 함정 4가지 Gopen-Swan은 영어 모국어 독자만 다룬다. 한편 한국 학생에게는 모국어 구조가 만드는 추가 함정이 있다. **SOV → SVO 전환 실패.** 한국어는 동사가 끝에 온다. 머릿속에서 동사를 마지막까지 미루는 습관이 영어 작문에서도 살아남고, 그 결과가 주어와 동사 사이를 늘리는 문장이다. > ❌ The proposed method, which combines geometric ICP with a learned residual network trained on 100 KITTI sequences, achieves SOTA. > > ✓ The proposed method achieves SOTA. It combines geometric ICP with a learned residual trained on 100 KITTI sequences. 처방은 단순하다. 주어 다음에 바로 동사. 부연은 다음 문장으로 분리해 둔다. **"은/는" topic 표지 ≠ 영어 topic position.** 한국어의 "은/는"은 주제와 대조를 동시에 표시한다. 한편 영어 topic position은 backward link만 한다. "On the other hand"를 매 단락 첫 자리에 두는 학생이 흔한데, 보통 거기에는 대조가 아니라 연속이 들어가야 한다. 그러지 않으면 backward link가 끊어진다. **Nominalization 함정.** "~의 수행", "~의 분석" 같은 한국어 학술체가 영어로 옮길 때 `the performance of`, `the analysis of`로 굳어진다. 거의 매번 action-in-verb 원칙을 어긴다. 그래서 한국어 초고에서 명사형이면 영어로 옮길 때 동사형으로 풀어 본다. **There-구문 남발.** "there are several methods that …"가 topic position을 유령으로 채운다. backward link를 거는 자리가 비고, several methods가 sentence body에서 떠다닌다. 그 대신 "Prior work explores several methods …"로 시작해 prior work가 backward link를 받게 한다. 추가로 — old/new 정보 순서가 한국어와 같지 않다. 한국어는 종결어미와 어순이 강조를 만들고, 영어는 위치만이 강조를 만든다. 그래서 한국식 "이 결과는 중요한데 …"의 강조를 그대로 옮기면 stress position이 사라진다. --- ## 29.4 자기 진단 — 자기 문장 reverse-read 한 단락을 다 쓴 뒤 다음 두 작업으로 자기 진단을 돌려 본다. **Topic-flow 추적.** 각 문장의 첫 명사구만 추출해 한 줄로 나열한다. 그 체인이 끊기지 않고 이어져야 한다. 첫 명사구가 매 문장마다 새로운 것이라면 backward link가 무너졌다. **Stress 점검.** 각 문장의 마지막 명사구만 추출한다. "this paper", "the proposed method", "our approach" 같은 보일러플레이트가 stress position을 차지하고 있으면 모두 재배치해 둔다. **소리 내어 읽기.** 주어-동사 거리가 멀면 호흡이 끊긴다. Knuth가 Mathematical Writing에서도 같은 처방을 권한 만큼, 자기 글을 큰 소리로 읽는 작업이 두 사람의 권고에서 같은 위치를 차지한다. URF/ATPase 단락의 before/after rewrite, Gopen-Swan이 같은 논문 §III에 박은 정전 사례의 발췌와 줄별 분석은 발췌 [`gopen_swan_urf_rewrite.md`](./excerpts/excerpt_03_gopen_swan_urf_rewrite.md)에. --- **출처.** [Gopen & Swan 1990](https://www.americanscientist.org/article/the-science-of-scientific-writing) — stress/topic position, subject-verb proximity, old-before-new, action-in-verb, "1번 문제" 인용, 쇼트케이크 비유. 한국어→영어 4함정(SOV/은-는/nominalization/There-구문)은 이 장에서 정리했다. Knuth와 공통되는 큰 소리로 읽기 처방은 [Knuth, Larrabee, Roberts 1989](https://www-cs-faculty.stanford.edu/~knuth/klr.html)와 교차. 다음: [Ch.15 — 수식·정리·증명 쓰기](./chapter_30_math_and_proofs.md) # Ch.30 — 수식·정리·증명 쓰기 수식이 들어간 문단을 reviewer가 어떻게 읽는지에 대한 [Knuth, Larrabee, Roberts 1989](https://www-cs-faculty.stanford.edu/~knuth/klr.html)의 관찰 — 이 장의 출발점이다. 첫 독서에서 독자는 수식을 건너뛴다. 두 번째 독서에서야 수식을 들여다본다. 그래서 수식이 빠져도 산문이 흘러야 한다는 'blah' 테스트가 §1 rule 16에 박혀 있다. 모든 수식을 단어 'blah'로 치환해도 문장이 이어져야 한다는 입장이다. 학생들이 가장 자주 어기는 곳이 여기다. displayed equation 다섯 줄을 줄줄 던지고 between-equation prose가 0줄인 derivation이 흔하다. 그러면 reviewer가 첫 독서에서 그 페이지를 통과하지 못한다. Nilsson이 §34에 적은 "쉽게 쓴 글일수록 읽기 어렵다"가 같은 문제를 가리킨다. 결국 수식 prose는 가장 어렵게 다듬어야 가장 쉬워진다. --- ## 30.1 수식이 문장에 들어가는 법 **R1. 인접한 수식 사이에는 단어를 넣는다 (rule 1).** 두 수식이 쉼표만으로 이어지면 어디서 한 수식이 끝나고 다음이 시작하는지 즉시 안 잡힌다. > ❌ Consider $S_q$, $q < p$. > > ✓ Consider $S_q$, where $q < p$. **R2. 문장은 수식으로 시작하지 않는다 (rule 2).** > ❌ $X$ denotes the rotation matrix. > > ✓ Let $X$ denote the rotation matrix. 문장 첫 자리는 산문 단어가 받는다. ch14의 topic position 원칙과 같다. **R3. 산문 안에 ∴ ⇒ ∀ ∃ 금지 (rule 3).** 논리 기호는 수식 안에서만 산다. 그래서 본문 문장 안에 `∴`를 끼워 넣으면 reviewer가 두 번 parsing해야 한다. **R4. Displayed equation은 둘러싼 문장의 일부 (rule 6).** displayed 다음에 stray colon 금지. equation 끝의 마침표·쉼표는 문장 부호로서 정확하게. > displayed equation의 끝이 문장의 끝이면 수식 뒤에 마침표. > displayed equation 다음에 산문이 이어지면 수식 뒤에 쉼표 또는 무부호. **R5. 인용 형식.** "Equation (5)", "Theorem 2", "Lemma 3.1". 번호가 붙으면 첫 글자 대문자. **R6. 정의는 두 번 다른 방식으로 (rule 5).** 수식 + 산문. "Let $\mathbf{T} \in SE(3)$ denote the rigid-body transform from sensor 관점 to world 관점."에서 수식과 산문이 같은 정의를 두 번 다른 방식으로 던진다. **R7. 중요한 수식만 displayed, 참조되는 것만 number (rule 6).** 모든 수식에 번호를 붙이면 모든 수식이 중요해지고, 결국 아무것도 안 중요해진다. 본문에서 다시 인용하지 않는 수식은 번호 빼기. **R8. 같은 기호를 두 의미로 쓰지 마라 (rule 9).** 로보틱스에서 흔한 충돌이다. $R$이 회전행렬·residual·reward로 동시에 쓰이는 문서가 있다. 한 문서 안에서 한 의미. ch16의 매크로 위생과 직결된다. **R9. "that"을 빼지 마라 (rule 8).** > ❌ We show $X$ converges. > > ✓ We show that $X$ converges. 영어 논문에서 "that" 생략은 종종 parsing을 어렵게 만든다. **R10. "we"를 쓰고 "I"는 피한다 (rule 7).** Knuth, Whitesides, Mensh-Kording이 모두 같은 권고를 한다. 한국 영어 교육에서 강조해 온 passive 우선 관행과 충돌하는 한편, ch01에서 다룬 지도교수 스타일을 따른다는 입장과 같은 결정 축이다. --- ## 30.2 Theorem·Lemma·Proof — 자기완결과 signposting **Theorem statement는 자기완결적이다.** Knuth rule 4의 핵심이다. 정리 안의 모든 기호가 정리문 안에서 정의되거나 명시 참조되어야 한다. 앞 단락을 다시 읽어야 statement가 이해되면 self-contained가 아니다. > ❌ **Theorem 1.** Under the conditions above, the estimator converges. > > ✓ **Theorem 1.** Let $\hat{\mathbf{x}}_k$ denote the EKF posterior mean at step $k$, and assume the observation noise satisfies $\mathbb{E}[\mathbf{v}_k] = \mathbf{0}$ and $\mathrm{Cov}(\mathbf{v}_k) = \mathbf{R}$. Then $\hat{\mathbf{x}}_k \to \mathbf{x}_k^\star$ as $k \to \infty$ in mean square. **Motivate before stating.** 정리 진술 직전 1-2 문장으로 왜 이 정리가 필요한가를 짚는다. 그 한 문장이 없으면 reviewer가 정리를 받고 "그래서?"부터 묻게 된다. **Lemma·Theorem·Corollary는 위계가 다르다.** Lemma는 디딤돌, Theorem은 본 주장, Corollary는 직접 귀결이다. 한국 학생이 디딤돌도 Theorem으로 박는 일이 흔하다. 그러면 위계가 무너지면서 reviewer가 진짜 main result를 못 잡는다. **증명 안의 signpost.** "We divide the proof into two parts." "The lemma is half proved." 증명이 반 페이지를 넘기면 signpost가 필수다. 그래야 독자가 어디쯤 와 있는지 잡을 단서가 된다. **Direct proof가 가능한데 contradiction부터 가지 마라.** Knuth의 권고다. proof by contradiction은 독자에게 부정 명제를 working memory에 들고 있을 부담을 지운다. 그래서 direct proof가 닿는 곳에서는 direct가 우선이다. **Halmos box (∎).** 증명 끝에 명시한다. 한국 학생들이 종종 빠뜨린다. --- ## 30.3 로보틱스·CV 특화 패턴 **SE(3)·Lie group 표기.** $\mathbf{T} \in SE(3)$, $\boldsymbol{\xi} \in \mathfrak{se}(3)$. 한 논문 안에서 case·bold·hat을 통일한다. 회전행렬을 한 곳에서 $\mathbf{R}$, 다른 곳에서 $R$로 쓰면 reviewer가 다른 양인지 추측해야 한다. ch16에서 매크로로 강제한다. **Optimization 수식 패턴.** $$\mathbf{x}^\star = \arg\min_{\mathbf{x}} f(\mathbf{x}) \quad \text{s.t.} \quad g(\mathbf{x}) = 0$$ `\text{s.t.}` 인지 `\text{subject to}`인지 한 문서 안에서 통일한다. 첫 등장 시 prose에서 한 번 풀어 둔다. **Probabilistic 수식.** $p(\mathbf{x} \mid \mathbf{z})$의 `\mid`와 `|`를 섞지 않는다. Bayes filter 단계마다 prior, likelihood, posterior가 무엇을 가리키는지 prose에서 명시한다 — R6 이중 표현이 적용된다. **잔차·loss 정의.** $\mathbf{r}_i = \mathbf{z}_i - h(\mathbf{x})$ 같은 잔차 정의에서, 인덱스 $i$가 무엇 위에서 도는지 prose에서 항상 밝힌다. "for each measurement $i \in \{1, \ldots, N\}$." 인덱스 변수만 던져두면 독자가 어떤 집합 위에서의 합인지 추측해야 한다. **수식 줄바꿈에서 등호의 위치.** Inline에서는 등호 뒤에서 끊고, displayed에서는 등호 앞에서 끊는다. Knuth가 §1에 박은 typographic convention이다. --- ## 30.4 진단 — 자기 derivation의 'blah' 통과 자기 글의 derivation 한 페이지를 골라 모든 수식을 'blah'로 치환해 본다. 그 페이지가 산문으로서 흘러야 한다. 흐름이 끊기는 곳이 곧 between-equation prose가 비어 있는 자리다. Knuth가 §2-§3에 박은 atrocious-vs-polished proof — 같은 정리의 두 버전을 나란히 놓고 줄별로 비교하는 자료가 이 장의 정전 사례다. 발췌와 분석은 발췌 [`knuth_proof_rewrite.md`](./excerpts/excerpt_04_knuth_proof_rewrite.md)에. --- **출처.** [Knuth, Larrabee, Roberts 1989](https://www-cs-faculty.stanford.edu/~knuth/klr.html) — Mathematical Writing §1의 27 rules에서 추린 10개 (rules 1, 2, 3, 4, 5, 6, 7, 8, 9, 16). atrocious-vs-polished proof는 §2-§3. Halmos box, Nilsson "쉽게 쓴 글" 인용도 같은 문서. 로보틱스·CV 4 패턴(SE(3), optimization, probabilistic, 잔차·loss)은 이 장에서 정리했다. 다음: [Ch.16 — 표기 위생](./chapter_31_notation_hygiene.md) # Ch.31 — 표기 위생 ch15가 문장 안에서 수식이 박히는 법을 다뤘다면, 이 장은 논문 전체에서 표기가 일관되는 법을 다룬다. 같은 [Knuth, Larrabee, Roberts 1989](https://www-cs-faculty.stanford.edu/~knuth/klr.html)의 27 rules가 출처다. 일관성은 논문 전체 층위의 문제이므로 별도 챕터에 둔다. reviewer가 같은 기호를 두 번 다른 의미로 받으면 의도된 차이인지 오타인지 추측해야 한다. 이 추측이 working memory를 갉아 든다. 표기 위생은 독자의 인지 부담을 낮추는 도구로 굳어 있다. 학생들이 가장 자주 빠지는 결함은 raw symbol을 매번 타이핑하는 패턴이다. macro 없이 본문 곳곳에 $\mathbf{R}$을 직접 친 paper에서, 한 곳만 $R$로 깜박해도 reviewer 입장에서 오타인지 의도인지 모호해진다. 그래서 표기 위생은 도구로 강제하는 쪽에 가깝다. --- ## 31.1 Notation table — 한 곳에 한 번 **Method 도입에 notation table 한 컷.** 본문에 등장하는 모든 기호가 그 표 안에서 한 번 정의되어야 한다 — ch10 §2와 같은 권고. 본문에 흩뿌려진 정의는 reviewer가 처음 등장한 곳을 backtrack하게 만든다. **표 구성 4 column.** | Symbol | Meaning | Dimension/Unit | First introduced | |---|---|---|---| | $\mathbf{T}_k$ | sensor pose at time $k$ | $SE(3)$ | §3.1 | | $\mathbf{r}_i$ | reprojection residual for measurement $i$ | $\mathbb{R}^2$ | §3.2 | | $\lambda$ | regularization weight | scalar | §3.3 | **표 위치.** Method 도입의 마지막 paragraph 직전 또는 직후. 수식이 본격적으로 등장하기 전에. 표 그 자체가 수식 진입 전에 reviewer의 working memory를 준비시킨다. **한 기호의 두 의미 금지.** $R$이 회전·residual·reward로 동시에 쓰이는 paper가 흔하다. ch15 §1 R8과 같은 권고. notation table이 이 점을 명시적으로 잡아 두는 도구. --- ## 31.2 LaTeX 매크로 — 강제력 있는 통일 **모든 반복 기호를 매크로로.** raw symbol을 매번 타이핑하는 대신 매크로 정의 한 줄에 모든 사용을 묶어 둔다. 그러면 한 곳 수정으로 전 논문 적용이 가능해진다. ```latex % 회전·변환 (Lie group) \newcommand{\R}{\mathbf{R}} \newcommand{\T}{\mathbf{T}} \newcommand{\SE}[1]{SE(#1)} \newcommand{\so}[1]{\mathfrak{so}(#1)} % Bold vector \newcommand{\xb}{\mathbf{x}} \newcommand{\yb}{\mathbf{y}} \newcommand{\zb}{\mathbf{z}} % 통계 \newcommand{\E}{\mathbb{E}} \newcommand{\Var}{\mathrm{Var}} \newcommand{\Cov}{\mathrm{Cov}} ``` **매크로 부재의 비용.** 회전을 $\mathbf{R}$에서 $R$로 바꾸고 싶으면 매크로 정의 한 줄만 수정하면 끝나는 한편, raw symbol을 본문에 직접 친 paper는 search-and-replace로도 모든 곳을 잡았다고 보장이 안 된다. 한 곳만 깜박한 결함이 그대로 reviewer에게 도달한다. **매크로 그룹화.** Lie group, bold vector, 통계, dataset 이름(`\KITTI`, `\TUM`) 등 그룹별로 묶어 두면 본문에서 어떤 곳에 어떤 매크로를 쓰는지 잡기 쉬워진다. --- ## 31.3 Dimension 일관성 — 단위와 차원 **모든 물리량에 단위 표기.** runtime이 ms인지 s인지, drift가 m인지 %인지가 본문·표·figure 모든 곳에서 같아야 한다. 같은 metric의 단위가 표마다 다르면 reviewer가 매번 변환을 시도한다. **SI 권고.** 본문 첫 등장 시 명시 — `runtime ($\mathrm{ms}$)`, `drift ($\mathrm{m}$)`. 표·figure 축 라벨에도 단위. 단위가 빠진 figure는 ch12 §2의 desk reject 사유와 같은 결함. **차원 명시.** vector 차원($\mathbb{R}^3$), matrix 차원($\mathbb{R}^{m \times n}$)이 처음 등장 시 명시. 본문에서 dimension이 추측되어야 하면 그 자체가 결함이다. notation table의 dimension column이 이 부분을 잡아 둔다. --- ## 31.4 Index 일관성 — 변수와 도메인 **Index 변수의 의미 일관.** 한 논문 안에서 $i$가 한 곳에서 measurement, 다른 곳에서 관점이면 reviewer가 추측해야 한다. $i$가 measurement이면 한 논문 안에서 항상 measurement. **권장 기본.** 분야별로 차이가 있지만 로보틱스·CV에서 자주 쓰이는 기본은 다음과 같다. - $i$ — measurement / observation - $j$ — landmark / keypoint / track - $k$ — time / 관점 - $n$ — count (총 개수) 한 논문 안에서 일관되면 기본값을 따르지 않아도 된다. 다만 기본과 반대로 쓰면 (예: $k$를 measurement로) reviewer가 분야 관행에 맞춰 추측하다 부담이 누적된다. **합의 도메인 명시.** $\sum_{i=1}^N$이면 N이 무엇의 카운트인가가 prose에서 한 번. ch15 §3 잔차·loss 정의와 같은 권고. 인덱스 변수만 던져 두면 독자가 어떤 집합 위에서의 합인지 추측하게 둔다. --- ## 31.5 분야별 기본 convention 분야별로 자리잡힌 기본이 있다. 그 기본값을 그대로 쓰면 reviewer 인지 부담이 가장 낮다. **로보틱스/SLAM**: $\mathbf{T} \in SE(3)$ 변환, $\mathbf{R} \in SO(3)$ 회전, $\boldsymbol{\xi} \in \mathfrak{se}(3)$ Lie algebra, $\mathbf{p}$ point, $\mathbf{x}$ state, $\mathbf{z}$ measurement. **CV**: $\mathbf{x}$ image coordinate, $\mathbf{X}$ world coordinate, $\mathbf{K}$ intrinsic, $\mathbf{P}$ projection. **ML/통계**: $\theta$ parameter, $p(\cdot)$ distribution, $\mathcal{L}$ loss, $\mathcal{D}$ dataset. 새로운 표기가 기본과 충돌하면 — 예를 들어 $\mathbf{T}$를 transform이 아니라 training set으로 쓰는 패턴 — reviewer 입장에서 분야 관행에 맞춰 추측한 의미가 본문 의미와 어긋난다. 이 어긋남을 발견할 때마다 working memory가 한 번씩 reset된다. 결국 기본과 충돌하지 않는 곳에서만 새 표기를 쓰는 쪽이 마찰이 적다. --- ## 31.6 흔한 실수 5종 **한 기호 두 의미.** $R$이 회전·residual 동시 사용. 가장 자주 잡히는 결함. **Notation table 부재.** 본문에 흩뿌려진 정의. 정의 위치를 backtrack해야 함. **단위 누락.** 표·figure 축에 단위가 없음. ch12 §2의 desk reject 결함. **Index 변수 재배정.** $i$의 의미가 섹션마다 바뀜. **매크로 부재.** raw symbol 매번 타이핑. 한 곳만 어긋난 결함이 살아남음. --- ## 31.7 자기 진단 자기 manuscript에 다음 두 작업을 돌려 본다. 1. **Notation 추출.** 본문에 등장하는 모든 수학 기호를 한 페이지에 추출해 본다. 같은 기호가 두 의미로 쓰이는 곳이 있는가. notation table에 빠진 기호가 있는가. 2. **단위 추출.** 모든 표·figure의 축 라벨과 cell 값을 추출. 단위가 빠진 곳이 있는가. 같은 metric의 단위가 표마다 다른가. 두 작업 모두 manuscript가 안정된 뒤에 한 번 돌리는 작업이다. drafting 단계에서 매번 점검하면 작업 흐름이 깨진다. 마지막 교정 또는 submit 직전에 한다. ch15가 수식 문법을 다뤘다면 ch16은 수식 위생을 다뤘다. 두 챕터가 같은 Knuth 출처에서 나오지만, 한쪽은 문장 안에서 한쪽은 논문 전체에서 작동하므로 분리해 둔다. --- **출처.** [Knuth, Larrabee, Roberts 1989](https://www-cs-faculty.stanford.edu/~knuth/klr.html) §1, §4, §5 — 수학 표기 통일 (ch15에서 일부 흡수, ch16에서 위생 층위 격상). notation table 작성·매크로 그룹·dimension/index 일관성 권고·분야 기본 convention·흔한 실수 5종은 이 장에서 정리했다. 다음: [Ch.17 — 수정과 rebuttal](./chapter_32_revision_rebuttal.md) # Ch.32 — Revision · Rebuttal 처음 reviewer 의견을 받은 학생의 첫 반응이 화인 경우가 흔하다. "리뷰어가 내 논문을 제대로 안 읽었다"는 인상부터 들어온다. 그 인상이 맞는 경우도 있다. 다만 그 인상이 작업 방향을 정하면 답변 letter가 변호로 변하고, editor는 변호 패턴을 가장 빠르게 잡아낸다. 다르게 보면 reviewer의 의견은 내 글이 누군가에게 어떻게 읽혔는지에 대한 1차 외부 데이터다. 한 외부인이 1-2주 동안 본 인상이 익명으로 도착한 자료다. 화내고 끝내면 그 데이터를 버리게 된다. [임형태 박사](https://github.com/LimHyungTae/paper-writing-checklist)가 이 점을 적은 표현이 "리뷰어가 틀렸어도 내 글이 그렇게 읽히게 쓴 책임은 나에게 있다"이다. 이 한 줄이 rebuttal 작업의 톤을 정해 둔다. --- ## 32.1 Reviewer 의견의 4유형 각 유형마다 답변 톤과 변경 여부가 다르다. 유형 분류부터 정확히 하지 않으면 letter가 모든 comment에 같은 톤으로 답하게 된다. **유형 1 — Factual error.** 수식·실험 설정·인용·수치의 명백한 오류. 답변 톤은 완전 인정 + 즉시 수정이다. 오히려 변호 시도 그 자체가 reviewer를 적대로 돌린다. > "We thank the reviewer for catching this. Equation (7) was incorrect; the corrected derivation is now in §3.2 (page 5)." **유형 2 — Presentation 요구.** 그림 추가·표 재구성·문장 재배치·정의 명시. 답변 톤은 수용 + 어디로 옮겼는지 명시다. 본문 한도를 넘으면 supplementary로 보낸다. 거의 모든 case에서 수용을 권한다. reviewer가 못 읽었다는 신호이고 editor가 같은 신호를 받을 가능성이 높다. **유형 3 — Scope/contribution 의문.** "이게 왜 새로운가?" "X와 차별점이 뭔가?" 가장 많이 도착하는 유형이다. 답변 톤은 핵심 contribution을 1-2문장으로 재진술 + 인용·실험으로 evidence다. 그리고 본문 Introduction과 Related Work를 보강한다. comment 자체에만 답하면 같은 의문이 다음 reviewer에게서 재발한다. **유형 4 — 단순 오해.** reviewer가 명백히 오독한 부분. 답변 톤은 내 글의 책임으로 인정 + 본문에서 어디를 어떻게 명확히 했는지다. > "We realize that §4.1 was not sufficiently clear; we have rewritten the paragraph to emphasize that …" "the reviewer misread X" 같은 표현은 절대 금지다. 오히려 reviewer 한 명이 오독했다는 사실이 본문 그곳이 다른 reviewer에게도 오독될 가능성을 가리킨다. --- ## 32.2 무례한 단어 회피 — 표현 swap 특정 단어 몇 개가 rebuttal letter의 톤을 한 번에 무너뜨린다. 학생들이 자기도 모르게 쓰는 단어다. **금지어와 대안.** - "outperform" — 상대를 깎아내리는 인상. → "achieves higher accuracy than" - "fail to" — reviewer 동작에 쓰면 모욕. → "may have been unclear because" - "obviously / clearly" — 독자에게 넌 멍청해 신호. → 그냥 삭제 - "the reviewer is mistaken" → "we have clarified that …" - "as we already stated" — 짜증 신호. → "to make this clearer, we have added …" ch14의 stress position 원칙이 여기서도 작동한다. 무례한 단어가 문장 끝에 오면 그 무례함이 강조된다. swap이 안 되는 단어는 그 단어가 들어간 문장 그 자체를 다시 쓴다. 한국어→영어로 옮길 때 인사말이 길어지는 학생이 흔하다. "The authors would like to express their sincere gratitude for the constructive and insightful feedback …" 같은 두 줄짜리 인사는 영어 letter에서 desperation 신호로 읽힌다. "We thank the reviewers for their comments." 한 줄이면 충분하다. --- ## 32.3 Rebuttal letter 구조 — 3블록 **블록 1 — 감사 + 변경 요약.** 5-8줄. 첫 줄은 한 문장 감사로 연다. 그 뒤로 major change를 번호로 묶는다. > "We thank the reviewers for their constructive feedback. The major changes are: (1) we added experiments on MulRan (§5.3), (2) we clarified the relation to Vizzo et al. 2023 (§2.2), (3) we corrected Equation (7) (§3.2)." **블록 2 — 항목별 답변.** reviewer별로 묶고, 그 안에서 comment별로 묶는다. 각 comment마다 세 부분. 1. **Comment 원문 인용.** italic 또는 quote 블록. 2. **Response.** 우리의 답. 3. **Change in manuscript.** 본문 어디에 어떻게 반영했는지 — 페이지, 섹션, 수식 번호 명시. 세 번째 부분이 가장 자주 빠진다. 답변에 "we agree …"만 있고 어디서 본문이 바뀌었는지가 없으면 reviewer가 변경 사항을 직접 찾아야 한다. 그 일을 reviewer에게 떠넘기면 다음 round에서 같은 comment가 다시 도착한다. **블록 3 — 마무리.** 1-2 문장. 반복 인사는 금지한다. > "We hope these revisions address the reviewers' concerns." **변경된 본문은 colored diff 또는 별도 PDF로 첨부.** 본문에 파란 글씨로 변경 자리를 표시한 PDF가 표준이다. reviewer가 변경을 찾게 하지 않는다. **길이 한계.** comment 1개당 답변 100-200 단어. 그 이상으로 길어지면 변호 모드에 들어갔다는 신호다. 자기 letter를 읽으면서 200단어를 넘어가는 답변이 있으면 그 부분부터 점검한다. --- ## 32.4 마무리 섹션에서 피할 네 가지 revision 작업 중 manuscript의 마무리 섹션(Conclusion · Future work)에서 reject 사유가 재발하는 자리가 있다. [엄태웅 대표 G2 「영어 못해도 논문 잘 쓰는 법」](https://gradschoolstory.chkwon.net/terry/englishpaperwriting/)가 같은 위치를 4 항목으로 정리했다. > **Conclusion = Abstract 반복.** 두 곳에 같은 문장이 들어가면 Conclusion의 자리값이 빈다. > > **Conclusion에 새 내용.** Discussion에 들어갈 새 결과를 Conclusion에 박으면 reviewer가 evidence를 못 찾는다. > > **과도한 Future work.** "limitations로 가장한 contribution 묻기" 패턴. 한 단락이면 충분하다. > > **원어민 교정에만 의존.** 영어 표면을 다듬는 작업과 논문 구조의 reject 사유 줄이기는 다른 작업이다. 후자가 먼저다. 네 항목 모두 Whitesides §4.6의 closing-section 권고와 정합한다. 그래서 revision letter를 쓰면서 reviewer 지적이 Conclusion 자리에 박혀야 했을 내용을 가리킬 때, 본문 그곳부터 다시 본다. [최윤섭 박사 G4 「첫 번째 논문을 최대한 빨리 써라」](https://gradschoolstory.chkwon.net/yoonsup/first-paper/)가 적은 본인 일화도 같은 톤이다. 약 6개월 리비전 동안 추가 실험을 돌리며 reviewer 지적에 데이터 기반으로 대응했다. 한편 변호 letter로 답하는 길과 본문에 evidence를 더 박는 길은 다르다. 후자가 reviewer 의문을 다음 round에서 재발시키지 않는 유일한 길이다. reviewer가 추가 ablation을 요구한 자리에서 층위가 한 단 얹힌다. 내 모델이 baseline 대비 무엇을 개선했는지 보이려면 어떤 ablation이 필요한가를 AI에게 던지면 실험 설계 초안이 잡힌다. 결과 표가 다 나온 뒤 이 표에서 어떤 분석이 가능한가를 던지는 것도 같은 층위다 — AI는 놓친 관점을 한 번 짚어 주는 보조 도구로 작동한다. > AI의 ablation 제안을 그대로 본문에 박지 않는다. 자기 연구의 contribution과 정합하지 않는 ablation을 제안할 수 있다. 실험 설계의 최종 판단은 연구자의 몫이다. AI가 짠 초안과 자기 contribution claim 사이의 마찰을 점검하는 작업이 그 자리에서 발생한다. 그 마찰이 곧 왜 이 ablation이 contribution을 받치는가의 한 줄짜리 정당화로 letter에 들어간다. (이전에 robotics-practice ch19 § 19.7.3에 정리된 내용으로, 분야 보조 사례로 가져옴.) --- ## 32.5 특수 상황 **Major revision.** 4 유형이 모두 도착하고 본문 substantive 보강이 필요한 경우. 통상 8-12주 작업. 24시간 룰을 지키고, 24시간 뒤 §1 분류부터 시작한다. **Minor revision.** 주로 유형 1·2. 1-2주. **Reject (with encouragement to resubmit).** 새 논문처럼 다시 쓴다. reviewer 지적 사항을 모두 보강한 뒤 같은 venue에 재투고할 때만 의미가 있다. 부분 보강만 한 채 같은 venue에 다시 던지면 같은 reviewer가 같은 reject 사유를 다시 적는다. **Conference rebuttal.** 분량 제한이 보통 1 page다. 톤·구조는 §3 동일하지만 블록 1을 한 줄로 압축한다. CVPR·NeurIPS·ICRA 패턴이다. 한편 문자 수가 부족해서 항목별 답변이 짧아지는 곳이 자주 생기는데, 답변 못 한 comment를 supplementary로 미루는 결정은 권하지 않는다. main rebuttal에 다 적는다. **24시간 룰.** 리뷰를 받은 직후 첫 24시간은 답변을 쓰지 않는다. 화·억울함이 가라앉은 뒤 §1 분류부터 들어간다. conference rebuttal처럼 마감이 촉박할 때는 무리지만, journal revision에서는 권한다. 임형태 박사도 같은 권고를 적어 두었다. --- ## 32.6 마지막 점검 — 자기 letter를 reviewer 시점에서 읽기 letter를 다 쓴 뒤 24시간 거리를 두고 reviewer 시점에서 다시 읽는다. 두 가지를 본다. 첫째, 변호로 읽히는 부분이 있는가. "we already stated", "the reviewer fails to", "this is obvious" 류의 톤이 살아남았는가. 둘째, comment마다 Change in manuscript 항목이 채워져 있는가. 빈 항목이 있으면 그 comment는 답변이 안 된 것이다. 이 두 가지가 통과되면 letter를 보낸다. --- **출처.** [임형태 박사, paper-writing-checklist](https://github.com/LimHyungTae/paper-writing-checklist) — rebuttal 마음가짐, 내 글이 그렇게 읽힌 책임 인용, 24시간 룰 권고. [최윤섭 박사 G4 「첫 번째 논문을 최대한 빨리 써라」](https://gradschoolstory.chkwon.net/yoonsup/first-paper/) — 6개월 리비전 일화·데이터 기반 대응. [엄태웅 대표 G2 「영어 못해도 논문 잘 쓰는 법」](https://gradschoolstory.chkwon.net/terry/englishpaperwriting/) — 마무리 섹션 4 회피 항목. robotics-practice ch19 § 19.7.3 — 실험 설계 보조 도구에 관한 보조 사례 (분야 쪽 논의). ch01·ch14와 교차. 4유형 분류, 표현 swap 사전, 3블록 letter 구조, conference vs journal 구분은 이 장에서 정리했다. 작성 단계의 작업은 여기서 끝난다. 발췌의 사례들은 본문 뒤에 부록처럼 붙는다. # Ch.33 — 학회는 왜 가는가 Part 0에서 분야 진입과 [생각의 시간](./chapter_05_thinking_time.md)을, Part 1·2에서 읽기와 쓰기를 거치면 한 편의 논문이 일단 끝난다. 학회는 그 논문이 나온 다음에 들어오는 단계다. 끝난 결과를 분야 좌표에 들이미는 통로이자, 동시에 다음 결과의 입력을 모으는 통로이기도 하다. 이 장은 그 입구 — 왜 가는가 — 에 답한다. 어떻게 준비하고 어떻게 회수하는지는 [ch02](./chapter_34_conference_prep.md)·[ch03](./chapter_35_first_sentence.md)에서 이어진다. --- ## 33.1 학회는 publication channel이다 [Whitesides 2004](https://onlinelibrary.wiley.com/doi/10.1002/adma.200400767) §1은 분야의 결과 유통을 한 줄로 정리한다. > "Interesting and unpublished is equivalent to non-existent." 흥미롭더라도 발표를 거치지 않은 결과는 분야에 존재하지 않는다는 명제다. 결과가 있다는 사실 그 자체로는 분야가 받아주지 않고, 발표·논문이라는 통로를 지나야 비로소 좌표에 자리를 잡는다. 로보틱스·CV·ML처럼 학회 논문이 곧 publication인 분야에서는 이 통로의 가장 빠른 형태가 학회다. 저널보다 turnaround가 짧고 청중과의 거리가 가까운데, 무엇보다 발표 현장에 분야 사람들이 물리적으로 모여 있다. 학회 참석은 연구 결과 그 자체가 분야 좌표에 들어가는 행위에 가깝다. Whitesides의 명제는 출간 통로가 없는 결과를 향한 경고이지만, 한편으로 학회를 왜 가는가의 기본값도 함께 제공한다. 분야가 결과를 받아주는 통로 중 가장 입구가 가까운 자리에 직접 발을 디디는 것 — 이 기본값 위에 권창현 교수가 정리한 세 가지 이유가 얹힌다. --- ## 33.2 학회에 가는 세 가지 이유 [권창현 교수](https://gradschoolstory.chkwon.net/changhyun/%ed%95%99%ed%9a%8c%ec%97%90-%ea%b0%80%eb%a9%b4-%eb%ac%b4%ec%97%87%ec%9d%84-%ed%95%b4%ec%95%bc-%ed%95%98%eb%82%98%ec%9a%94/)가 「학회에 가면 무엇을 해야 하나요?」에서 제시한 참석 이유는 세 가지다. 피드백·동향·소속. **피드백 수집.** Q&A·복도 대화·poster session에서 받는 즉답형 코멘트는 reviewer report 한 사이클을 압축해 둔다. 저널 reviewer가 두세 달 뒤에 돌려주는 의견을 학회에서는 발표 직후 그 자리에서 받는다. 같은 서브필드의 senior가 던지는 한 마디는 길게 쓴 review 편지보다 더 정확할 때가 적지 않다. **최신 동향 파악.** proceedings를 읽는 것과 세션에서 분위기를 보는 것은 다른 정보다. 어떤 방향이 주류로 굳어가는가, 어떤 가정이 슬그머니 표준이 됐는가, 어떤 키워드가 더 이상 안 통하는가 — 이런 결은 청중 반응·질문의 결·발표자의 톤에 더 잘 잡힌다. 종이만으로는 빠지는 층위다. **공동체 소속감.** 외로운 작업을 하는 사람들이 며칠 동안 한 공간에 모이는 거의 유일한 통로다. 같은 시기 같은 분야에 들어온 사람들이 서로를 알아보는 시간은 학회 바깥에 사실상 없다. 세 이유는 양립한다. 다만 우선순위가 다르면 출국 후 행동이 갈린다. 피드백 우선이면 자기 발표·poster 시간을 풀로 쓰고, 동향 우선이면 세션 hop이 중심이 되고, 소속 우선이면 banquet·bar·informal time에 시간을 더 둔다. 결국 셋 다 흐릿한 채로 가면 비행기에서 내린 뒤 어디에 시간을 쓸지가 정해지지 않은 채 학회장에 들어서게 된다. > **참석 이유를 출국 전에 한 가지로 좁힌다.** 피드백·동향·소속 셋 다 흐릿한 학회는 회수가 안 된다. 세 가지를 모두 회수하려는 시도가 가장 흔한 실패다. --- ## 33.3 venue tier와 기능 학회는 한 종류가 아니다. 같은 "학회 참석"이라도 venue tier에 따라 회수되는 ROI가 갈린다. 로보틱스·CV에서 자주 등장하는 venue를 세 tier로 분류해 보면 다음과 같다. 권창현 교수 G10 원문에는 tier 분류가 없지만, 로보틱스·CV의 실제 학회 운영을 생각하면 이 구분이 실용적이다. | Tier | 대표 venue | visibility | depth | turnaround | |---|---|---|---|---| | Tier 1 (top conf.) | ICRA / IROS / RSS / CVPR / ICCV / NeurIPS | 강 | 약 | 빠름 (수개월) | | Tier 2 (workshop·specialized) | CVPR·ICCV·ICRA workshop / WACV / 3DV | 약 | 강 | 빠름 (수개월) | | Journal | T-RO / RA-L / IJRR / TPAMI | 강 (장기) | 강 | 느림 (6-18개월), RA-L은 학회 연계로 단축 | Tier 1은 청중 규모·참가자 다양성·archival weight 면에서 visibility 기능이 강하다. 다만 한 세션의 발표 시간이 짧고 청중이 분산돼 대화의 깊이는 떨어지는 경향이 있다. Tier 2 — 특히 top conf.에 부속된 workshop과 WACV·3DV 같은 specialized venue — 는 참여자 수가 적어 대화 시간이 길고, 같은 사람을 며칠 내내 마주치게 된다. 첫 발표·첫 cohort 형성에는 오히려 이쪽이 더 적합하다. 한편 Journal은 archival·turnaround 기능을 맡는다. RA-L은 ICRA·IROS와 묶여 발표 통로 역할도 겸하므로 학회·저널의 경계가 흐릿하다. 같은 "참석"이라도 회수되는 ROI가 갈린다는 점이 중요하다. visibility를 노리고 Tier 2 workshop만 가면 회수가 잘 안 되고, 거꾸로 첫 발표 연습이 목적이면 Tier 1 main conference보다 workshop 쪽이 적합하다. > venue tier는 기능으로 고른다. visibility가 필요하면 Tier 1, depth·첫 발표 연습이면 workshop·Tier 2. --- ## 33.4 참석 비용의 회수 학생 단계에서 한 번의 학회는 등록비·항공·호텔·시간을 함께 잡아먹는다. 학생 기준으로 대략 등록비 0.5-1M원, 항공 1-2M원, 호텔·식비 1-1.5M원, 시간 1주 정도가 한 번에 들어간다는 단서 없는 추정이 있다. 합계는 대략 3-5M원과 1주 — 단정할 수 있는 수치는 아니지만, venue·항공·도시에 따라 이 range 안에서 움직인다고 보면 된다. 회수 기준은 단순하다. 위 세 가지 ROI 중 최소 하나가 분명히 들어와야 한다. 셋 다 흐릿하면 그 학회는 가지 말거나, 가더라도 출국 전에 reset해서 한 가지로 좁힌다. 권장 빈도는 학생 단계에서 1-2회/년 정도다. 더 자주 가면 회수 시간이 모자라고 — 한 번의 학회를 "정리"하는 데도 한두 주가 필요하니 — 거꾸로 안 가면 동향·소속이 끊긴다. 박사 후반부터는 본인 발표가 있는 학회만 가는 패턴으로 점차 좁혀가는 편이 회수 비대칭을 줄인다. > **발표가 없는 학회를 매년 가는 것은 권장하지 않는다 (박사 후반).** 분야 좌표에 들어가는 통로가 발표인데, 듣기만 하는 참석은 비용 회수가 비대칭이다. 학생 초반의 entry 학회 한두 번은 예외. --- ## 33.5 소속감의 양면 세 이유 중 가장 회수가 어려운 것이 소속이다. cohort — 같은 시기 같은 subfield에 들어온 사람들이 만드는 동시대 집단 — 는 학회 외에 형성될 통로가 거의 없다. 같은 연구실 안의 동기는 cohort의 일부일 뿐이고, 분야 전체의 cohort는 다른 학교·다른 나라의 같은 학년에서 만들어진다. 학회는 그 cohort가 서로를 알아보는 거의 유일한 통로다. > "연구는 때로 굉장히 외로운 일." > > — 권창현 교수 G10 cohort가 형성되는 같은 자리에서 같은 cohort가 비교 거울로 작동하기도 한다. 같은 1년차인데 저 학생은 벌써 ICRA accept, 나는 reject. 같은 subfield인데 저 그룹은 NeurIPS 두 편이고, 우리는 한 편 reject 후 재투고. 이런 비교는 구조적이라 쉽게 끝나지 않는다. 학회 banquet에서 한 번 마주친 사람이 다음 해에도, 그 다음 해에도 cohort 좌표 안에 같이 들어와 있다. 소속감은 수평적 cohort에서 회수된다. 짧은 senior 만남이 long-term 가치로 이어지는 경로는 별도의 화법이 필요하고, 그쪽은 [ch03](./chapter_35_first_sentence.md)에서 다룬다. 비교 거울 쪽의 멘붕·구조적 비교는 여기서 길게 다루지 않는다 — 다만 같은 자리에서 cohort와 비교 함정이 함께 만들어진다는 점은 출국 전에 한 번 의식해두는 편이 좋다. --- ## 33.6 한국 학생의 venue 선택 venue tier·비용·소속의 분석을 한국 학생 자리에 끼워 넣으면 한 가지 선택이 더 따라온다. 한국 학생에게는 international (ICRA·IROS·CVPR)과 domestic (KROS·KRS) 양쪽이 동시에 후보로 놓인다. 둘은 회수하는 ROI가 다른 venue다. KROS·KRS는 첫 발표 연습 venue, 국내 cohort 형성, 지도교수 community 합류의 통로다. visibility ROI는 약하지만, 첫 영어 발표를 등록비 3-5M원짜리 international main에서 처음 시도하지 않게 해주는 직전 단계로서의 가치가 있다. 국내 학회에서 한 번 발표를 거쳐두면 international 첫 참석의 회수가 안정된다. 발표 그 자체의 마찰이 줄고, 질문에 답하는 호흡이 한 번 잡힌 상태로 영어 자리에 들어간다. 첫 international은 그 다음 해 ICRA·IROS workshop이 무난한 진입점이다. --- 학회 참석은 왜 가는가가 출국 전에 좁혀져 있을 때만 비용을 회수한다. 피드백·동향·소속 중 하나로 좁히기, venue tier가 그 이유와 맞는지 확인하기, 학생 단계의 빈도 1-2회/년 — 세 단서를 출국 전에 잡아둔다. 그 다음 단계 — 출국 전 2-3주의 사전 준비 — 는 [ch02](./chapter_34_conference_prep.md)의 일이다. 이 장의 "이유를 좁힌다"는 결정이 그대로 ch02의 입력이 된다. > "좋은 연구를 해서 발표하는 일이 가장 효과적인 네트워킹." > > — 권창현 교수 G10 --- **출처.** [권창현 교수 G10 「학회에 가면 무엇을 해야 하나요?」](https://gradschoolstory.chkwon.net/changhyun/%ed%95%99%ed%9a%8c%ec%97%90-%ea%b0%80%eb%a9%b4-%eb%ac%b4%ec%97%87%ec%9d%84-%ed%95%b4%ec%95%bc-%ed%95%98%eb%82%98%ec%9a%94/), [Whitesides 2004](https://onlinelibrary.wiley.com/doi/10.1002/adma.200400767). venue tier·비용·기능 분석은 이 장에서 정리했다. 다음: [Ch.2 — 학회 2-3주 전 체크리스트](./chapter_34_conference_prep.md) # Ch.34 — 학회 2-3주 전 체크리스트 [ch01](./chapter_33_conference_roi.md)이 학회에 왜 가는가에 답했다면, 이 장은 가기 전에 무엇을 해두는가에 답한다. ch01에서 좁힌 세 이유 중 하나가 이 장 사전 준비의 입력이고, 사전 메일·triage·발표 준비가 [ch03](./chapter_35_first_sentence.md) 학회장 첫 마디의 받는 쪽 expectation을 미리 만들어 둔다. 학회는 사전 준비량에 비례해 결과가 갈라지는 곳에 가깝다. 출국 1-2일 전 학회 program/app을 처음 여는 학생은 이미 사전 약속의 기회를 모두 잃은 상태로 입장한다. 2-3주 lead time을 권장하는 이유는, 사전 메일의 응답을 받고 일정을 조율하기에 그 정도가 최소 시간이기 때문이다. 한국 대학원의 visa·여비 심사·학과 출장 결재 timeline과도 묘하게 정합한다. 행정이 마무리되는 시점에 마침 사전 약속이 시작된다. [권창현 교수 G10 「학회에 가면 무엇을 해야 하나요?」](https://gradschoolstory.chkwon.net/changhyun/%ed%95%99%ed%9a%8c%ec%97%90-%ea%b0%80%eb%a9%b4-%eb%ac%b4%ec%97%87%ec%9d%84-%ed%95%b4%ec%95%bc-%ed%95%98%eb%82%98%ec%9a%94/)이 정리한 사전 준비는 세 갈래다. **만남 사전 약속**, **세션 사전 triage**, **전문가에게 사전 메일**. 세 갈래가 각각 학회의 networking·learning·feedback 세 축에 대응한다. 본인 발표 준비는 그 위에 한 층을 더 얹는다. --- ## 34.1 만남 사전 약속 — 동세대 peer가 먼저다 학회에서 만날 사람의 우선순위는 통념과 다르다. 본인 paper와 가장 인접한 lab의 PhD 1-2명, 그리고 본인 분야 mid-career 활동가가 먼저다. 동세대 peer와의 multi-year 관계가 long-term 가치를 만든다. [ch01](./chapter_33_conference_roi.md)에서 다룬 학회 ROI 명제가 여기서 그대로 적용 사례된다. advisor가 senior 만남은 알선해 줄 수 있다. 다만 peer 만남은 학생이 직접 잡는다. 한편 이 층위가 한국 학생에게 가장 자주 빠지는 부분이기도 하다. advisor가 챙겨주지 않는 영역이라는 사실을 모르고 있으면, 그 층위 그 자체가 존재하지 않는 것처럼 학회가 끝난다. 응답률은 50% 이하가 기본이다. 거절·무응답을 개인 평가로 환원하지 않는 편이 좋다. 상대도 학회 직전 메일이 쌓여 있는 상태고, 일정을 잡지 못하는 사정이 절반은 본인 외부에 깔려 있다. > 동세대 peer 만남을 우선순위 위에 둔다. 다음 다섯 학회에서 다시 마주칠 peer 한 명의 가치는 길게 본 좌표 위에서 무겁다. --- ## 34.2 사전 메일 양식 — 한 메일 한 질문 사전 메일의 기본은 받는 쪽 cognitive load 최소화다. 자기소개 한 문장, 만남 제안 한 문장. 첨부 없음. 본인 paper title, session·요일·요청 시간대, 소요 분(15분/30분)까지 명시한다. 받는 쪽이 그 메일 하나로 의사결정을 끝낼 수 있어야 비로소 응답이 돌아온다. cold-email은 1-2주 전이 lead time 적정이다. 너무 이르면 상대가 일정을 아직 짜지 않았고, 너무 늦으면 일정이 이미 차 있는 만큼 그 사이를 노린다. 응답이 없을 때 1회 reminder는 OK, 2회는 X. 좋은 예 / 나쁜 예 한 쌍을 본다. 좋은 예: ``` Subject: ICRA 2026 — 15-min meeting request, point cloud registration Dear Prof. X, I'm Jiwoo Lee, a 2nd-year MS student at SNU working on LiDAR-camera registration for outdoor SLAM. Our recent paper "Confidence-weighted ICP for asymmetric outliers" is in the ICRA 2026 main track (Wed AM, Session WeAM-12). Would you have 15 minutes on Tuesday or Wednesday (any time between 12:00-14:00) to discuss your group's work on sensor-fusion benchmarks? Best, Jiwoo ``` 나쁜 예: ``` Subject: Hello Dear Professor, I am a graduate student interested in your research. I will attend ICRA this year and would love to meet you and discuss research. Please let me know if you have time. Thank you so much for your time and consideration. Sincerely, ... ``` 차이는 받는 쪽이 답을 하기 위해 추가로 알아내야 할 정보의 양에 있다. 좋은 예는 Tuesday·Wednesday·12-14시·15분·point cloud registration만 머릿속에서 본인 일정과 매칭하면 끝난다. 한편 나쁜 예는 본인이 누구이고, 어떤 주제로, 얼마나 길게, 언제 만나자는 건지 — 네 가지를 받는 쪽이 다시 물어야 한다. 그 한 번의 왕복이 응답률을 무너뜨린다. > **사전 메일은 자기소개 1문장 + 만남 제안 1문장 — 한 메일 한 질문이다.** 길게 쓰는 메일은 정중해 보이지만 cognitive load가 커서 응답률이 더 떨어진다. --- ## 34.3 세션 사전 선별 — program을 먼저 훑어 둔다 학회 program/app을 그대로 들고 가지 않는다. 출국 전에 1-pass를 끝내 둔다. 메커니즘은 [Keshav 2007](https://web.stanford.edu/class/ee384m/Handouts/HowtoReadPaper.pdf) §2.1의 1st pass 그대로고, 다른 점은 적용 단위가 논문 한 편에서 학회 program 한 묶음으로 transfer된 정도다. Keshav가 §1에서 적은 문장이 그대로 학회에 적용된다 — "It allows me to estimate the amount of time required to review a set of papers." 이 권고는 일군의 논문에 들 시간을 미리 가늠하는 것이고, 학회는 일군의 논문이 압축된 형태다. 선별는 5 Cs를 program 단위로 재사용한다. paper 한 편당 5-10분이 1-pass 예산이고, 한 session 10편 기준 1시간이 한 session의 사전 비용이다. 그 비용을 학회 전에 지불하지 않으면 학회 중에 두 배로 치르게 된다. 현장에서는 이동·점심·소셜 사이의 짧은 짬에 program을 처음 열어야 하기 때문이다. 분류는 세 칸이다. - **꼭 가야 할** — 본인 paper와 직결, advisor가 추천, 본인 future work의 baseline 후보. 출국 전 Keshav pass 2 깊이까지 읽고 간다. 발표 후 질문 1개를 가져갈 수 있어야 한다. - **들으면 좋은** — 분야 인접, 방법론 차용 가능. pass 1만 끝낸 상태로 들어가 그 자리에서 결정한다. - ⚫ **skip** — 분야 외. program에서 줄을 그어 가시화한다. 분류 paper의 사전 읽기는 두 기능을 한다. 첫째, 발표 그 자체의 이해 가속. 둘째, 사전 메일과 현장 대화의 단서 — 가령 저자에게 보낼 메일에 그 paper의 figure 3 어느 부분이 흥미롭더라는 한 줄을 붙일 수 있다. > **학회 program은 출국 전에 1-pass 끝낸다.** 출국 직전·기내·도착 직후 program을 처음 여는 것은 사전 준비 0인 상태로 입장하는 것과 같다. --- ## 34.4 본인 발표 준비 — 첫 1분의 지도 [Whitesides 2004](https://onlinelibrary.wiley.com/doi/10.1002/adma.200400767) §4.4는 introduction 첫 두 단락을 outline 단계에서 완전히 써내라고 적는다. 그 introduction에 들어가야 하는 다섯 element를 다음과 같이 명시한다. > 1. **The objectives of the work.** > 2. **The justification** for these objectives — Why is the work important? > 3. **Background** — Who else has done what? How? What have we done previously? > 4. **Guidance to the reader** — What should the reader watch for in the paper? What are the interesting high points? What strategy did we use? > 5. **Summary/conclusion** — What should the reader expect as conclusion? 이 다섯 element가 발표 slide deck의 presentation map으로 그대로 transfer된다. 청중이 발표 첫 1분 안에 어디로 가는지 알아채야 한다. Whitesides가 §4.4에서 덧붙인 한 문장은 발표에 더 강하게 적용된다 — "Pay particular attention to the opening sentence." 청중은 페이지를 넘길 수 없다. 첫 문장에서 길을 잃으면 복구할 수단이 없다. 결국 논문의 reader-guidance는 발표에서 발표자가 떠밀려 가는 단방향 trail로 굳는다. 5-min 발표와 20-min 발표는 다른 동물이다. slide budget이 갈린다. | 항목 | 5-min (spotlight·oral teaser) | 20-min (full oral) | |---|---|---| | slide 수 | 5-7장 | 15-20장 | | 5-element | 1·4·5만 (objective·guidance·conclusion) | 다섯 다 펼침 | | contribution | 1개 | 1-3개 | | figure | 1장 (figure 1만) | 5-8장 | | takeaway | 1개 | 2-3개 | | 위치 | 광고 — 자세한 건 poster·논문 | 본 발표 — 자세한 건 그 자리에서 | 5-min은 광고에 가깝다. 청중이 poster·논문을 찾아오게 만드는 것이 목적이지, 그 자리에서 모든 것을 전달하려는 것이 아니다. 오히려 다섯 element를 다 욱여넣으면 한 element도 남지 않는다. poster session은 또 다른 동물이다. standalone storytelling이 작동해야 한다. 사람이 5초 안에 이 poster가 무엇에 관한 것인지 읽어낼 수 있어야 한다 — title bar + key figure가 그 5초를 지탱한다. 한편 발표자 본인은 그 옆에서 움직이는 추가 층위로 작동한다 — 30초 elevator + 2분 walk-through ([ch03](./chapter_35_first_sentence.md)에서 자세히). > **본인 발표의 첫 1분은 청중이 어디로 가는지 알게 한다.** Whitesides §4.4의 reader-guidance가 발표에서는 더 강하게 적용된다. 청중은 페이지를 넘길 수 없다. > 5-min과 20-min은 slide budget을 따로 짠다. 5-min에 다섯 element를 다 넣으면 한 element도 남지 않는다. --- ## 34.5 로보틱스/CV venue별 program 패턴 같은 사전 triage라도 venue 구조에 따라 비용이 갈린다. - **ICRA / IROS** — parallel session 8-12개 동시 진행, poster session이 networking의 main 채널. session room 이동 비용이 크므로 사전 선별이 다른 venue보다 더 중요하다 (예산 +30분). ICRA student forum 같은 학생 별도 venue는 별도 application이 필요하다 (학회 본 등록 외). - **CVPR / ICCV** — 1 main track + 30-50개 workshop. main track은 광고 성격이 강하고, workshop이 깊이·networking·feedback에서 모두 유리하다. workshop 사전 선별이 main track보다 ROI가 높다. CVPR doctoral consortium은 peer + senior 양쪽을 작은 방에서 만날 수 있다. > ICRA/IROS는 parallel session 다수, CVPR/ICCV는 workshop이 networking 중심이다. venue 구조에 맞춰 사전 선별 시간 예산을 다르게 잡는다. --- ## 34.6 흔한 실수와 처방 - **program을 도착 후 처음 연다** → 출국 전 1-pass 강제. flight 예약과 같은 timeline에 program 선별를 캘린더에 박는다. - **사전 메일을 길고 정중하게 쓴다** → §2의 한 메일 한 질문. 정중함의 척도는 받는 쪽 cognitive load 절감이다. - **senior만 만나려 한다** → §1의 peer 우선. senior 만남 1건당 peer 만남 2건 비율을 기본으로. - **5-min 발표에 20-min 분량을 넣는다** → §4의 표. 5-min은 광고. element 1·4·5에 압축. - **응답 없는 메일을 개인 평가로 받는다** → 응답률 50% 이하가 기본. 거절은 의사결정의 일부다. --- ## 34.7 분야별 학회 reference 사전 준비의 출발점은 어느 학회를 가는가다. 분야별 핵심 venue 표는 그 결정의 1차 reference다. 이 장의 §3·§5가 학회에 가서 무엇을 하는가를 다뤘다면, 이 절은 그 한 단계 앞 — 학회 목록 이 장에서는 를 정리한다. 분야가 정해지면 venue가 좁혀지고, venue가 정해지면 §1-§4의 사전 준비 timeline이 그 위에서 작동한다. ### Computer Vision | 학회 | 수준 | 특징 | | --- | --- | --- | | **CVPR** | Top | 가장 큰 CV 학회. 매년 6월 | | **ICCV** | Top | 2년 주기 (홀수년). CVPR과 함께 CV 양대 산맥 | | **ECCV** | Top | 유럽 중심, 2년 주기 (짝수년) | | **NeurIPS** | Top | ML 전반, Vision 포함. 매년 12월 | | **ICML** | Top | ML 전반. 매년 7월 | | **ICLR** | Top | 딥러닝 중심. 매년 5월 | ### Robotics | 학회 | 수준 | 특징 | | --- | --- | --- | | **ICRA** | Top | IEEE 로보틱스. 가장 큰 로보틱스 학회 | | **IROS** | Top | IEEE/RSJ. ICRA와 함께 양대 산맥 | | **RSS** | Top | 소규모, 선별적. 질이 높다 | | **CoRL** | Top | 로봇 학습 특화. 최근 급성장 | ### 자율주행 | 학회/저널 | 특징 | | --- | --- | | **CVPR Workshop** (WAD, OmniCV) | 자율주행 워크숍 | | **T-IV** | 지능형 차량 저널 | | **T-ITS** | 교통 시스템 저널 | 마감일 추적은 [CV Conference Deadlines](http://conferences.visionbib.com/Iris-Conferences.html)가 주요 CV/로보틱스 학회를 한 자리에 모아 둔 reference다. 표 3개는 robotics-practice ch20 § 20.5에서 이전. --- **Takeaway.** 학회는 사전 약속의 결과물이다. 만남 사전 약속·세션 사전 triage·전문가 사전 메일 세 갈래가 출국 전 2-3주에 마무리된다. 본인 발표는 Whitesides §4.4 다섯 element를 slide map으로 transfer한 형태로 준비해 둔다. 5-min과 20-min은 slide budget이 다른 동물이다. **출처.** [권창현 교수 G10 「학회에 가면 무엇을 해야 하나요?」](https://gradschoolstory.chkwon.net/changhyun/%ed%95%99%ed%9a%8c%ec%97%90-%ea%b0%80%eb%a9%b4-%eb%ac%b4%ec%97%87%ec%9d%84-%ed%95%b4%ec%95%bc-%ed%95%98%eb%82%98%ec%9a%94/), [Keshav 2007](https://web.stanford.edu/class/ee384m/Handouts/HowtoReadPaper.pdf), [Whitesides 2004](https://onlinelibrary.wiley.com/doi/10.1002/adma.200400767), robotics-practice ch20 § 20.5 (분야별 학회 표). 사전 메일 양식·응답률 50% 추정·venue program 패턴은 이 장에서 정리했다. 다음: [Ch.3 — 첫 마디의 기술](./chapter_35_first_sentence.md) # Ch.35 — 첫 마디의 기술: "요즘 어떤 연구 하세요?" [ch01](./chapter_33_conference_roi.md)이 학회를 왜 가는가, [ch02](./chapter_34_conference_prep.md)가 2-3주 전 무엇을 준비하는가를 다뤘다면 이 장은 학회장에 들어선 직후의 첫 30초를 다룬다. 같은 자리의 화법을 두 층위로 쪼개 본다. peer 화법은 [권창현 교수 G10 「학회에 가면 무엇을 해야 하나요?」](https://gradschoolstory.chkwon.net/changhyun/%ed%95%99%ed%9a%8c%ec%97%90-%ea%b0%80%eb%a9%b4-%eb%ac%b4%ec%97%87%ec%9d%84-%ed%95%b4%ec%95%bc-%ed%95%98%eb%82%98%ec%9a%94/)이 정리한 동세대 만남의 open question, senior 화법은 [엄태웅 대표 「유학 도전 성공」](https://gradschoolstory.chkwon.net/terry/%eb%82%98%ec%9d%98-%ec%9c%a0%ed%95%99%eb%8f%84%ec%a0%84-%ec%9d%b4%ec%95%bc%ea%b8%b0/)의 직접 부딪침 일화에서 추출한다. 본인 발표 opener와 Q&A 처리, poster session 첫 마디까지 같은 챕터에서 묶어 둔다. 글쓰기의 첫 문장 원칙(Knuth rule 24, Wilf §27)이 말하기·발표 opener로 그대로 transfer된다. --- ## 35.1 학회 현장의 첫 30초 학회의 진짜 사건은 program이 끝난 자리에서 일어난다. coffee break, banquet, 호텔 로비, 세션 사이의 복도 — proceedings에 적히지 않은 곳에서 다음 collaborator와 다음 advisor 후보가 결정된다. 사전 준비([ch02](./chapter_34_conference_prep.md))는 그 만남의 expectation을 만들고, 사후 follow-up은 그 만남의 결과를 거두는 일이다. 그 사이에 끼인 30초가 가장 짧고도 가장 결정적이다. 첫 마디의 형태는 받는 쪽 기준으로 결정된다. 받는 쪽이 자기 페이스로 답할 수 있는 형태가 아니면 첫 30초가 그대로 막힌다. 닫힌 질문(yes/no)·자기 자랑·길게 늘어진 자기소개는 시간만 잡아먹고 답은 받지 못한다. 답이 받는 쪽에서 시작되어야 그 다음 turn이 자연스럽게 풀린다. > **첫 마디는 받는 쪽이 자기 페이스로 답할 수 있는 형태여야 한다.** 닫힌 질문·자기 자랑·길게 늘어진 자기소개는 30초를 잡아먹고 답을 받지 못한다. --- ## 35.2 peer 화법 — 요즘 어떤 연구 하세요? 권창현 교수가 정리한 현장 화법의 핵심은 한 문장이다 — 요즘 어떤 연구 하세요? open question은 받는 쪽이 자기 작업을 자기 분량·자기 말문으로 시작하게 둔다. 한편 "발표 어디서 하셨어요?" 같은 닫힌 질문은 답이 한 마디로 끊기고 그 다음 turn이 비어버린다. open question은 그 자체가 30분 대화의 입구다. 자기소개 카드는 1-2 문장으로 끊어둔다. 이름·소속·관심을 한 호흡에 담는다 (예: "M lab의 박사 2년차, dynamic SLAM 합니다"). 그 이상은 받는 쪽 답에 맞춰 갈라지므로 미리 준비할 필요가 없다. 한국 학생에게서 흔한 패턴은 자기소개를 3-4 문장 통째로 외워두는 것인데, 도리어 받는 쪽이 답할 자리를 빼앗는다. 권창현 교수의 또 다른 명제는 동세대 우선이다. 같은 cohort와의 multi-year 관계가 long-term 가치를 만든다. 같은 학년의 박사 1-2년차가 5년 뒤에는 venue PC·면접관·collaborator로 자리를 잡는다. 학회의 첫 30초는 그 cohort 안에서 서로를 알아보는 시간이고, open question은 그 자리에 들어가는 가장 가벼운 입구다. > 동세대 우선 — peer cohort와의 multi-year 관계가 long-term 가치를 만든다. --- ## 35.3 senior 화법 — 직접 부딪치는 사람 엄태웅 대표 「유학 도전 성공」의 핵심 일화는 다음과 같다. 유학 지원 단계에서 콜드 메일이 차단당하자, 엄태웅 대표는 학회 현장에서 슬라이드 자기소개로 같은 교수에게 직접 다가갔다. 본인 지원서 어느 항목도 뛰어나지 않았다는 것이 자평이다. 다만 메일이 닿지 않는 자리에서 현장 직접 만남은 압도적으로 효과적이었고, 그 한 번의 마주침이 합격의 결정적 turn이 됐다는 술회다. 같은 분야의 한국 학생에게 온라인 지원서·메일이 닿지 않는 자리에서는 현장이 우회로임을 보여주는 일화다. senior 화법의 호흡은 peer 화법과 다르다. 자기 쪽 말문을 먼저 던지고 짧게 끊는다. 이름 한 문장 + 그 교수의 논문 한 마디 + 구체 follow-up 제안 (예: 본인 poster 시간에 들러 달라). 90초가 한계다. senior가 학회장에서 쓸 수 있는 attention은 짧으므로, 끊어주는 사람을 신뢰한다. 거꾸로 같은 자리에서 30분 붙들면 그 한 번이 마지막이 된다. advisor 선택 단계에서 학회의 정보량은 SOP의 정보량을 넘어선다. 미래 advisor 후보의 현직 학생을 학회에서 찾아 직접 물어보면 연구실 페이지·SOP 문서가 가리지 못하는 결까지 닿는다. 그 자리의 입구로는 peer 화법("요즘 어떤 연구 하세요?")이 그대로 작동한다. > senior 만남은 90초로 끊는다. 자기 한 문장 + 상대 논문 한 마디 + 구체 follow-up 제안. --- ## 35.4 본인 발표 opener — 글쓰기 첫 문장의 transfer 발표 opener는 5초 안에 청중이 "이 발표는 X에 관한 것이다"를 알게 만든다. 그 5초가 청중에게는 이 발표를 들을지 결정하는 시간이라는 점을 의식해 둔다. 같은 시간에 다른 세션·노트북·휴대폰이 같은 청중을 끌어가고 있다. [Knuth, Larrabee, Roberts 1989](https://www-cs-faculty.stanford.edu/~knuth/klr.html) rule 24가 그대로 transfer된다. > The opening paragraph should be your best paragraph, and its first sentence should be your best sentence. > > Worst way to start: "An x is y." > > Bad: "An important method for internal sorting is quicksort." > > Good: "Quicksort is an important method for internal sorting, because …" 발표 opener에 옮기면 — "An important problem in robotics is loop closure" 형식을 피하고, "Loop closure fails when the descriptor is rotation-sensitive, and this paper fixes that by …" 처럼 본 발표가 다루는 대상이 첫 자리에 온다. 같은 책 §27에서 Wilf가 든 사례 셋도 발표 opener에 그대로 작동한다. > Andrew Gleason, "Trisecting the Angle, the Heptagon, and the Triskaidecagon." > > Hugh Thurston, "Can a graph be continuous and discontinuous?" > > Olga Taussky-Todd, autobiographical opener about matrices. 세 사례의 공통점은 첫 문장이 paper의 정체를 그대로 노출한다는 것이다. Wilf의 명제는 짧다 — "You can quintuple your readership if you let them in on what it is that you are doing." 발표에서는 청중이 이 발표에 머무를지가 그 5초 안에 갈린다. > **회피 문구: "오늘 저는 X에 대해 발표하겠습니다."** program slide·session chair가 이미 같은 정보를 전달했다. 같은 정보를 두 번 받는 청중은 그 사이 attention을 잃는다. "An x is y" 형식 회피 (Knuth rule 24). 발표 opener와 paper introduction의 첫 문장은 같은 자리의 두 표현이다. 글쓰기 쪽의 첫 문장 원칙은 [Part 3 ch02](./chapter_23_introduction.md)에서 별도로 다룬다. --- ## 35.5 Q&A 처리 세 종의 질문이 자주 들어온다 — 모르는 질문, 적대적 질문, 답이 길어지는 질문. **모름 응답.** 모르는 질문에는 모름을 인정하고 직관을 던진다. "Good question. I don't have a precise answer, but my intuition is X." 모름을 인정하지 않고 추측을 사실처럼 답하면 신뢰가 무너진다. method·dataset의 한계로 답이 비어 있을 수 있다는 사실은 청중도 알고 있다. **적대적 질문 — fact와 해석의 분리.** 적대적 질문은 종종 fact 부분과 해석 부분이 묶여 들어온다. fact는 인정하고 해석은 받지 않는다. 예를 들어 청중이 "Your dataset has bias toward indoor scenes, so your method is useless outdoors."라고 묻는다면, 응답은 "You're right that the dataset is indoor-skewed. Whether that makes the method useless outdoors depends on whether the failure mode is dataset-bound or method-bound, and figure 4 isolates that — happy to walk through it offline."에 가깝다. fact 부분은 깔끔히 인정하고, 해석 부분은 evidence가 있는 자리로 옮겨 둔다. **길어지는 질문.** 답이 길어지는 질문은 끝나고 따로 이야기 제안 — "Let's continue offline after the session." 다른 청중의 시간 비용을 존중하는 신호이고, session chair도 같은 판단을 한다. > **모름은 인정한다.** "Good question. I don't have a precise answer, but my intuition is X." 추측을 사실처럼 던지면 신뢰가 무너진다. > 질문이 들리지 않으면 다시 묻는다. 못 들은 채 추측 답을 하면 회피로 보인다. --- ## 35.6 Poster session 첫 마디 poster의 첫 마디는 두 층위다. 30초 elevator pitch는 지나가는 청중용, 2분 walk-through는 멈춰선 청중용. 30초가 청중이 머무를지를 결정하고, 이어 2분이 머문 청중을 다음 단계(논문 download, 메일 follow-up, collaboration 제안)로 옮겨준다. poster 그 자체가 standalone storytelling이어야 한다. 발표자 없이 와서 5초 안에 paper의 message를 읽을 수 있어야 한다는 뜻이다. poster 앞에 발표자가 매번 서 있을 수는 없고, 청중의 절반은 발표자가 자리를 비운 시간에 지나간다. 한편 robotics demo session은 특수한 자리다 — 실물 demo·video가 storytelling을 대체하므로 발표자는 demo를 해설하는 자리에 선다. 첫 마디는 demo가 무엇을 보여주는가에 대한 한 문장으로 시작한다 — "This robot is doing X under Y, with no Z." > **poster 앞에서 청중을 기다릴 때 휴대폰을 보지 않는다.** 가시적 attention이 첫 마디의 입구다. --- ## 35.7 한국 학생의 첫 마디 적응 한국 학생의 흔한 패턴 — 발표용 영어는 외워서 잘하지만 natural conversation의 첫 마디에서 멈춘다. 격차의 원인은 문장 단위 암기 vs turn-taking 단위 운용에 있다. 발표는 한 방향 5분이지만 conversation은 한 turn 5초고, 그 turn이 끊기면 다음 turn이 풀리지 않는다. 처방은 단순하다 — 첫 마디 3-4 종을 미리 외워둔다. 자기소개 카드, "What are you working on these days?" 류 open question, poster 30초 elevator pitch, Q&A 모름 응답. 대본이 도리어 자유를 준다. 첫 마디가 자동화되면 그 뒤가 풀리고, 거꾸로 첫 마디가 매번 새로 만들어져야 하면 그 뒤가 막힌다. 겸손 표현은 별도의 함정이다. "I'm just a student" / "Our work is small" / "It's not a big deal" 같은 한국식 겸손은 영어 청자에게 낮은 신뢰로 읽힌다. 그러니 사실 문장으로 갈아끼운다 — "I'm a 2nd-year PhD", "This is a preliminary result". 같은 정보가 신뢰를 깎지 않고 전달된다. > 첫 마디 3-4 종을 미리 외워둔다 — 자기소개 카드 / open question / poster 30초 / Q&A 모름 응답. 대본이 자유를 준다. > 한국식 겸손 표현은 사실 문장으로 대체한다 — "2nd-year PhD", "preliminary result". --- ## 35.8 화법은 연구 위에 얹힌다 이 장의 도구 — open question, 90초 senior 화법, 5초 발표 opener, fact/해석 분리, poster 두 층위, 첫 마디 3-4 종 — 는 모두 발표할 좋은 연구가 있을 때 작동한다. 화법만으로 자리를 채우려 들면 빈 자리가 그대로 드러난다. 학회 현장의 화법은 사전 준비([ch02](./chapter_34_conference_prep.md))와 본인의 작업(Part 0~3) 위에 얹히는 마지막 층위다. advisor·환경 선택의 직접 부딪침 — 콜드 메일이 차단된 자리에서 학회·인턴·현직 학생 면담으로 우회하는 같은 원리 — 는 [「대학원노트」 Part 1 ch02 (환경을 고르는 일)](../grad-notes/chapter_02_environment.md)에서 별도로 다룬다. > "좋은 연구를 해서 발표하는 일이 가장 효과적인 네트워킹." > > — 권창현 교수 G10 --- 「연구노트」 다섯 part가 한 자리에 가리킨 thesis가 있다 — 책상 위의 작업은 자기 손의 누적이다. [Part 0](./chapter_01_review_paper.md)의 시작은 본인이 추출한 분야 GAP에서 굳었다. [Part 1](./chapter_06_why_read.md)의 읽기는 reviewer 회로의 역방향 — GAP·contribution·검증을 본인이 짚어내는 회로 — 에서 굳었고, [Part 2](./chapter_16_mindset.md)의 쓰기는 outline 4-5회 반복의 운영에서, [Part 3](./chapter_22_title_abstract.md)의 섹션별 작성은 독자 기대를 설계하는 form 안의 반복에서, [Part 4](./chapter_33_conference_roi.md)의 발표는 글쓰기의 first-sentence 원칙이 화법으로 transfer되는 자리에서 굳었다. 이 장 — Part 4의 마지막 — 가 그 thesis의 종착지다. 발표할 좋은 연구가 있을 때 화법이 작동한다는 이 장의 한 줄이 같은 관점을 가장 작은 단위에서 다시 가리킨다. 학생이 책상 위에서 누적하는 것은 — 이 다섯 part가 같이 가리킨 — 문제를 짚고 읽고 쓰고 말하는 자기 손의 누적이다. 그 누적은 졸업으로 끝나지 않는다. 같은 회로가 다음 자리에서 같은 관점으로 이어지고, 책상 위의 작업은 그 회로의 매일의 단위다. **「연구노트」 끝.** **출처.** [권창현 교수 G10 「학회에 가면 무엇을 해야 하나요?」](https://gradschoolstory.chkwon.net/changhyun/%ed%95%99%ed%9a%8c%ec%97%90-%ea%b0%80%eb%a9%b4-%eb%ac%b4%ec%97%87%ec%9d%84-%ed%95%b4%ec%95%bc-%ed%95%98%eb%82%98%ec%9a%94/), [엄태웅 대표 「유학 도전 성공」](https://gradschoolstory.chkwon.net/terry/%eb%82%98%ec%9d%98-%ec%9c%a0%ed%95%99%eb%8f%84%ec%a0%84-%ec%9d%b4%ec%95%bc%ea%b8%b0/), [Knuth, Larrabee, Roberts 1989](https://www-cs-faculty.stanford.edu/~knuth/klr.html). 발표 opener·Q&A·poster 30초/2분은 이 장에서 정리했다. 다음: [발췌 사례](./excerpts/excerpt_01_kiss_icp_intro_hook.md). 발췌는 부록성 사례 모음으로, 책의 thesis는 위에서 닫혔다. # E.1 — 좋은 서론은 분야의 통증에서 시작한다 **출처**: Vizzo, Guadagnino, Mersch, Wiesmann, Behley, Stachniss, 2023 — KISS-ICP: In Defense of Point-to-Point ICP — Simple, Accurate, and Robust Registration If Done the Right Way, IEEE Robotics and Automation Letters --- ## 발췌 Abstract 도입부: > Robust and accurate pose estimation of a robotic platform, so-called sensor-based odometry, is an essential part of many robotic applications. While many sensor odometry systems made progress by adding more complexity to the ego-motion estimation process, we move in the opposite direction. By removing a majority of parts and focusing on the core elements, we obtain a surprisingly effective system that is simple to realize and can operate under various environmental conditions using different LiDAR sensors. Introduction body가 같은 3-beat를 반복: > This paper returns to the roots: classical point-to-point ICP, introduced 30 years ago by Besl and McKay. … Our design uses neither sophisticated feature extraction techniques, learning methods, nor loop closures. The same parameter set works in various challenging scenarios such as highway drives of robot cars with many dynamic objects, drone flights, handheld devices, segways, and more. --- ## 한국어 의역 로봇의 자세를 정확하고 강건하게 추정하는 일, 즉 센서 기반 odometry는 수많은 로봇 응용의 본질적 구성요소다. 대다수 odometry 시스템은 ego-motion 추정 파이프라인에 복잡함을 더해 발전해 왔지만, 우리는 반대 방향으로 간다. 부품을 덜어내고 핵심에만 집중함으로써, 다양한 LiDAR 센서와 다양한 환경에서 동작하는 놀랄 만큼 단순하고 효과적인 시스템을 얻는다. 이 논문은 30년 전 Besl과 McKay가 제안한 고전적 point-to-point ICP로 돌아간다. feature 추출, 학습 모듈, loop closure 어느 것도 쓰지 않는다. 같은 parameter 집합이 자율주행 고속도로, 드론, 핸드헬드, segway 모두에서 동작한다. --- ## 분석 — 왜 이 표현이 좋은가 논문의 abstract와 introduction이 함께 도입의 정석을 보여 준다. 짧은 폭 안에 분야 통증, 기존 방법의 누적된 복잡함, 자신들의 단순한 해법이 차례로 놓인다. abstract 첫 문장은 LiDAR odometry가 모바일 로보틱스의 핵심 기능임을 짚는다("essential part of many robotic applications"). 두 번째 문장이 기존 방향성을 한 호흡으로 요약한다 — adding more complexity. 그리고 같은 문장 끝에 반전 동사가 등장한다 — we move in the opposite direction. 이 한 문장 안에 통증·기존 흐름·우리의 자세가 모두 들어 있다. 다음 문장의 removing a majority of parts가 그 자세를 행동으로 풀어내고, 마지막에 contribution 형용사 surprisingly effective, simple이 강조 자리에 놓인다. 3-beat가 깔끔히 작동하는 이유는 강조 위치(stress position)에 강조거리가 정확히 놓여 있기 때문이다. 두 번째 문장의 끝, 독자가 가장 오래 기억하는 위치에 opposite direction이 놓여 다음 문장의 동력을 만든다. 그 다음 문장의 끝에는 simple to realize 등 contribution claim이 정확히 자리 잡는다. 한 문장의 stress position이 다음 문장의 topic position으로 이어지는 old-before-new 사슬이 단락 전체를 끌고 간다. Gopen과 Swan이 말한 reader expectation의 단락 단위 적용이 살아 있는 사례다. 부제 In Defense of Point-to-Point ICP가 본문 어조에 그대로 살아 있다. "옹호한다(in defense of)"는 표현은 우리가 새로 발명했다가 아니라 기존의 단순한 도구가 부당하게 평가절하되었다는 자세를 선언한다. introduction 본문의 This paper returns to the roots: classical point-to-point ICP, introduced 30 years ago by Besl and McKay가 같은 자세를 한 줄로 압축한다. "returns to the roots"라는 표현이 30년 된 알고리즘을 다시 꺼내드는 행위를 후퇴가 아닌 복귀로 프레이밍한다. 후배가 자신의 단순한 baseline을 옹호하고 싶을 때 빌릴 수 있는 어조다. 도전적이지만 점잖다. 이 단락 그 자체가 mini-CCC다. abstract 첫 문장에 context(분야 정의)가 깔리고, 두 번째에 content의 반전이 채워지며, 세 번째 이후에 conclusion(단순한 해법으로 충분함)이 닫힌다. Mensh와 Kording이 rule 3에서 권한 단락 단위 CCC가 abstract 첫 단락에서 그대로 구현된다. 가이드 Part 2 ch04에서 다룬 CCC fractal이 in-the-wild에서 어떻게 작동하는지 보여 주는 가장 깔끔한 사례 중 하나다. 한 가지 더. 이 hook은 분야 통증을 과장하지 않는다. "LiDAR odometry는 풀리지 않은 거대 난제다"라 외치지 않고, 로봇 응용의 흔한 구성요소라 담담히 적는다("essential part of many robotic applications"). 후배 글쓰기에서 흔히 보이는 over-claiming — "이 분야는 위기에 처해 있다" 류 — 의 반대 방향이다. 통증이 작아 보일수록 "그런데 우리는 더 단순한 해법을 들고 왔다"는 contribution이 선명해진다. 통증의 크기와 contribution의 크기는 비례가 아니라 비대칭으로 짜는 편이 효과적이다. KISS-ICP는 이 비대칭이 제목, 부제, abstract 첫 두 문장, introduction 첫 단락에 일관되게 흐른다. --- ## 따라 쓰기 — 자기 분야에 적용 이 패턴은 시스템 논문 인트로 첫 단락의 3-beat 골격이다. "[분야 task]는 [응용]의 핵심이다. 최근 연구는 [복잡한 도구 A, B, C]를 더해 왔다. 이 논문은 [단순한 baseline]을 올바르게만 하면 충분함을 보인다." — 세 문장으로 압축된 이 골격에 자기 도메인의 명사를 끼워 넣으면 도입 단락의 1차 초고가 나온다. KISS-ICP의 we move in the opposite direction은 두 번째 문장에서 자세 전환을 한 절(clause)로 처리한 좋은 사례다. 강조 자리에 들어갈 단어를 먼저 정한 뒤 — 마지막 문장의 끝에 무엇을 두어야 contribution이 가장 또렷한가 — 거꾸로 문장을 짜는 것이 한 가지 작업 순서다. 3-beat 안에서 통증을 과장하지 않는 것이 또 한 축이다. 통증 한 줄, 복잡함 한 줄, 우리 해법 두세 줄. 이 분량 비율이 단순함을 contribution으로 내세우는 논문에서 잘 작동한다. 통증을 길게 쓰면 독자는 "그래서 위기가 정말 있나"를 의심한다. 짧게 쓰면 contribution이 들어설 자리가 넓어진다. 자기 baseline을 옹호하는 입장이라면 In Defense of … / returns to the roots / we move in the opposite direction 같은 구문 변형을 부제와 본문 양쪽에 걸어 두면 자세가 단단해진다. --- ## 출처 - `vizzo-2023-kiss` — Vizzo, I., Guadagnino, T., Mersch, B., Wiesmann, L., Behley, J., Stachniss, C., 2023. KISS-ICP: In Defense of Point-to-Point ICP — Simple, Accurate, and Robust Registration If Done the Right Way. IEEE Robotics and Automation Letters 8(2): 1029-1036. arXiv:2209.15397. --- # E.2 — 기여 문장은 무엇을 만들었는지부터 말한다 **출처**: Mur-Artal, Montiel, Tardós, 2015 — ORB-SLAM: A Versatile and Accurate Monocular SLAM System, IEEE Transactions on Robotics 31(5): 1147-1163 --- ## 발췌 Abstract 도입부: > This paper presents ORB-SLAM, a feature-based monocular SLAM system that operates in real time, in small and large, indoor and outdoor environments. The system is robust to severe motion clutter, allows wide baseline loop closing and relocalization, and includes full automatic initialization. Building on excellent algorithms of recent years, we designed from scratch a novel system that uses the same features for all SLAM tasks: tracking, mapping, relocalization, and loop closing. Introduction 끝의 contribution bullets (압축 인용): > … to design from scratch ORB-SLAM, a novel monocular SLAM system whose main contributions are: > - Use of the same features for all tasks: tracking, mapping, relocalization and loop closing. … > - Real time operation in large environments. Thanks to the use of a covisibility graph, tracking and mapping is focused in a local covisible area, independent of global map size. > - Real time loop closing based on the optimization of a pose graph that we call the Essential Graph. … > - Real time camera relocalization with significant invariance to viewpoint and illumination. … > - A new automatic and robust initialization procedure based on model selection … > - A survival of the fittest approach to map point and keyframe selection that is generous in the spawning but very restrictive in the culling. … --- ## 한국어 의역 이 논문은 ORB-SLAM을 소개한다. feature 기반의 monocular SLAM 시스템으로, 실내·실외, 작은 공간·큰 공간 모두에서 실시간으로 동작한다. 격렬한 움직임에 강건하며, 넓은 기준선의 loop closing과 relocalization, 완전 자동 초기화를 포함한다. 최근의 우수한 알고리즘들 위에서, tracking·mapping·relocalization·loop closing 네 task 모두에 동일한 feature를 쓰는 시스템을 처음부터 설계했다. introduction은 이 시스템의 주요 기여를 여섯 항목으로 나열한다 — ① 모든 task에 같은 ORB feature를 사용해 단순성과 실시간성을 동시에 확보, ② covisibility graph로 큰 환경에서도 지역 영역에 집중하는 mapping, ③ Essential Graph 위의 pose graph 최적화로 실시간 loop closing, ④ viewpoint·조명 변화에 강건한 relocalization, ⑤ model selection 기반의 자동 초기화, ⑥ keyframe·map point의 survival of the fittest 정책으로 lifelong 운영. --- ## 분석 — 왜 이 표현이 좋은가 ORB-SLAM의 contribution 진술은 시스템 논문이 자기 기여를 어떻게 묶어 보여 주는가의 표준 형식이다. abstract는 한 문장으로 시스템을 선언한다 — "This paper presents ORB-SLAM, a feature-based monocular SLAM system that operates in real time, in small and large, indoor and outdoor environments." 능동·1인칭 + 시스템 명사 + 형용사 셋이라는 슬롯이 모두 채워져 있다. "We" 1인칭은 abstract 후반 "we designed from scratch a novel system"에서 등장하는데, Knuth rule 7의 권고("I" 대신 "we"를 써서 독자를 대화에 초대하라)를 그대로 구현한다. 이어지는 형용사 feature-based, real time, small and large, indoor and outdoor는 단순한 수식어가 아니라 평가 축의 선언이다. Results 섹션이 이 축들로 보고되는지 — feature-based(ORB feature 사용), real-time(GPU 없이 관점-rate), versatility(27 sequences across indoor/outdoor) — 가 약속과 이행의 일치를 가르는 기준이 된다. Whitesides가 §III에서 강조한 "promise-deliver alignment"의 한 페이지 시연이다. Introduction 끝의 contribution 나열은 각 항목이 동일한 슬롯 구조를 따른다. 어떤 모듈 + 어떤 새로움 + 어떤 결과. 가령 첫 항목은 "tracking, mapping, relocalization and loop closing 모두에 같은 ORB feature를 사용해(모듈)" 시스템을 통일하고, "ORB feature는 GPU 없이 실시간 동작이 가능하며 viewpoint·조명에 강건한(새로움)" 특성을 가지므로, "more efficient, simple and reliable(결과)"한 시스템이 된다. 같은 문법이 여섯 번 반복되어 독자가 항목 사이를 비교하기 쉽다. 한 항목이라도 슬롯이 비어 있다면 — 가령 "어떤 결과"가 누락되면 — 그 contribution은 약하다는 신호다. 자기 논문 contribution을 점검하는 가장 빠른 방법은 항목들을 표로 옮겨 슬롯이 모두 채워졌는지 보는 것이다. Abstract 한 문장과 Introduction bullet의 1:1 대응도 이 발췌가 모범인 이유 중 하나다. abstract의 압축된 한 줄("uses the same features for all SLAM tasks: tracking, mapping, relocalization, and loop closing")이 introduction의 첫 bullet으로 그대로 풀려 나온다. survival of the fittest 같은 coined term도 abstract와 마지막 bullet 양쪽에 걸려 있어, 독자가 abstract만 읽고도 introduction의 어느 bullet과 대응하는지 즉시 짚을 수 있다. 두 진술이 어긋나면 글쓴이가 자기 기여를 못 잡았다는 신호인데, ORB-SLAM은 이 일치가 단단하다. 이 일치 검사는 reviewer가 가장 먼저 하는 작업이기도 하다. abstract와 §I 마지막 단락만 펼쳐 contribution이 같은 단어로 묶이는지 확인하면 5분 안에 글쓴이의 자기 인식 수준을 가늠할 수 있다. 번호·bullet 매김의 정당성도 짚어 둘 만하다. 같은 내용을 산문으로 풀면 — "We present a system that uses common ORB features for tracking, mapping, relocalization, and loop closing, while introducing a novel covisibility graph for real-time local mapping, and an Essential Graph for efficient large-scale optimization, and …" — 절들이 등위접속사로 길게 이어져 어디까지가 한 contribution인지 경계가 흐려진다. Bulleted 목록은 정보를 구획화 하는 도구다. 항목 수가 셋에서 여섯 사이이고, 각 항목이 두세 줄로 압축 가능하며, 항목들이 비교 가능한 동일 슬롯 구조를 가질 때 목록이 정당하다. ORB-SLAM은 세 조건을 모두 만족한다. 마지막으로 톤. "This paper presents"와 "we designed from scratch"는 우리가 발명했다가 아니라 우리가 정리해 내놓았다는 단정성을 가진다. Building on excellent algorithms of recent years가 그 자세를 명시한다 — 선행 연구를 훌륭하다고 부르며 그 위에서 작업했음을 인정하고 시작한다. 도전적이지 않다. 반면 contribution 항목 안에 들어가는 동사 — "introduce", "use", "present", "make public" — 는 단정적이다. 외부 톤은 점잖고 내부 진술은 단정적이라는 비대칭이 시스템 논문 contribution 단락이 지켜야 할 자세다. 후배가 자기 contribution을 적을 때 외부 톤을 단정적으로 쓰면("We propose a revolutionary …") reviewer의 거부 반응을 부르고, 내부 진술을 약하게 쓰면("We try to …") contribution이 무너진다. ORB-SLAM의 비대칭이 안전한 기본이다. --- ## 따라 쓰기 — 자기 분야에 적용 이 패턴은 시스템 논문 contribution 단락의 3-슬롯 골격이다. "This paper presents [system name], a [형용사2-3] [task] system that [핵심 능력]. … The main contributions of this work are: 1) [모듈+새로움+결과], 2) …, 3) …" — 각 항목이 동일한 세 슬롯을 채우는지가 contribution이 단단한지의 척도다. 형용사를 먼저 정하고, 그것이 곧 평가 축이 된다는 약속을 Results 섹션이 지키는지 사후 점검한다. ORB-SLAM의 versatile and accurate는 제목·abstract·평가 모두에 일관되게 박혀 있다. Abstract 한 줄과 Introduction bullet의 1:1 대응을 직접 표로 그려 보는 것이 자기 점검 도구다. abstract의 형용사·명사구 하나하나가 어느 bullet에 풀려 나오는지 짚는다. 어디에서도 풀리지 않는 형용사가 있다면 그 형용사는 약속만 있고 이행이 없는 상태다. 그 형용사를 abstract에서 빼거나, contribution 한 항목을 추가하거나, 둘 중 하나를 한다. coined term(ORB-SLAM의 "Essential Graph", "survival of the fittest")이 abstract와 bullet 양쪽에 등장하면 독자의 검색·인용 동선이 매끈해진다. 이름을 붙일 만한 모듈이 있다면 그 이름이 두 위치 모두에 박혀 있어야 한다. --- ## 출처 - `murartal-2015-orbslam` — Mur-Artal, R., Montiel, J. M. M., Tardós, J. D., 2015. ORB-SLAM: A Versatile and Accurate Monocular SLAM System. IEEE Transactions on Robotics 31(5): 1147-1163. DOI: 10.1109/TRO.2015.2463671. arXiv:1502.00956. --- # E.3 — 가독성은 정보의 위치만 바꿔도 달라진다 **출처**: Gopen, Swan, 1990 — The Science of Scientific Writing, American Scientist 78(6): 550-558 --- ## 발췌 --- ## 분석 이 발췌의 지위는 특별하다. stress position, topic position, subject-verb proximity, old-before-new 네 원칙이 그 원칙을 처음 정식화한 논문 자체의 단락 rewrite로 시연된다. 같은 substance — URF의 분자량, ATPase 복합체의 구성, 미토콘드리아 게놈의 위치 — 가 그대로 보존된 채 단어의 재배치만으로 첫 단락은 거의 해독 불가능하다가 두 번째 단락은 평이하게 읽힌다. 정보가 늘지도 줄지도 않았다. 위치가 바뀌었을 뿐이다. 원본 단락이 읽기 어려운 이유는 길어서가 아니다. 강조 위치에 강조거리가 없기 때문이다. 문장 끝, 독자가 가장 오래 기억하는 위치에 boilerplate("in this paper", "as described above")나 부수적 정보가 놓인다. 정작 새롭고 강조받아야 할 정보는 문장 중간에 묻힌다. 거기에 subject와 verb 사이가 15 토큰을 넘는 긴 nominalization이 끼어 있다. 독자는 동사가 무엇이었는지 잊은 채 문장 끝에 도달한다. topic position(문장 첫머리)에는 앞 문장과 연결되는 오래된 정보가 와야 backward link이 생기는데, 원본은 매 문장 새 명사로 시작한다. 독자는 매 문장 자기 머릿속에서 연결을 발명 해야 한다. 가독성이 무너지는 곳은 네 원칙이 동시에 깨진 자리다. 가장 정제된 rewrite 단락은 같은 정보를 네 원칙에 맞게 재배치한다. 첫 문장의 끝(stress position)에 그 단락의 핵심 — 가령 URF의 발견이 가지는 의미 — 가 놓인다. 다음 문장의 첫머리(topic position)는 앞 문장 끝의 단어를 받아 다시 시작한다. 이 backward link이 단락 전체를 사슬로 묶는다. subject와 verb는 가까이 붙어 있고, 동사는 행위를 직접 표현한다. nominalization으로 명사화되어 있던 것들이 동사로 풀린다. 같은 정보량이 약 2/3 분량으로 압축되고, 분량이 줄지 않은 부분도 읽는 속도가 두 배로 빨라진다. rewrite 과정에서 부수효과가 하나 드러난다. 구조를 정리하면 논리적 빈틈이 함께 노출된다. 원본에서는 두 사실 사이에 왜 인과 관계가 있는지 명시되지 않은 채 두 문장이 나란히 놓여 있었는데, rewrite 과정에서 두 번째 문장의 topic position에 첫 문장의 어떤 명사를 넣어야 할지 결정하는 순간, 그 결정이 곧 두 사실 사이의 연결 어형을 명시화하도록 강제한다. rewrite는 표면 다듬기가 아니라 사고 점검이다. Gopen과 Swan이 본 논문에서 거듭 강조한 "글의 질을 개선하면 사고의 질도 개선된다"의 가장 단단한 시연이다. 한국어로 옮길 때 주의가 필요하다. 영어의 stress position은 SVO 어순상 문장 끝인데, 한국어는 SOV이므로 술어가 자연스럽게 끝에 온다. 한국어에서 "끝에 강조거리를 두라"는 영어 그대로 옮기기 어렵다. 한국어의 강조는 어순 변형(목적어를 앞으로 빼거나), 보조사("은/는"으로 topic, "이/가"로 새 정보), 강조 구문("것은 …이다")으로 구현된다. topic position에 backward link을 두라는 원칙은 한국어에 그대로 적용된다. 한국어 문장 첫머리의 명사구가 앞 문장 끝과 연결되는지, 즉 "은/는"이 받는 명사가 앞 문장에 이미 등장했는가가 단락 흐름을 가르는 가장 중요한 점검 항목이다. --- ## 따라 쓰기 패턴 이 패턴은 자기 단락 rewrite의 4단계 절차다. ① 단락의 모든 문장 끝에 줄을 그어 무엇이 강조 위치에 놓여 있는지 적는다 — boilerplate가 있다면 거기서 정보가 잘못 분배된 신호다. ② 문장 첫머리(topic position)가 앞 문장 끝과 연결되는지 사슬로 그려 본다 — 끊어지는 곳에서 독자가 머릿속으로 연결을 발명해야 한다. ③ 각 문장의 subject와 verb 사이 토큰 수를 센다 — 15를 넘으면 nominalization을 풀어 동사로 되돌린다. ④ 같은 정보를 한 단어도 추가/삭제하지 않고 위치만 바꾸어 다시 쓴다. 이 절차의 핵심은 "한 단어도 추가/삭제하지 않는다"는 제약이다. 추가하기 시작하면 내용 보강과 구조 점검이 뒤섞여 둘 다 잘 안 된다. 위치만 바꾸어 작동하는지 본 뒤에야 — 그래도 빈틈이 남았다면 — 그 빈틈을 메우는 추가 작업으로 옮겨 간다. 분리해야 둘 다 산다. --- # E.4 — 증명도 문장으로 다시 써야 읽힌다 **출처**: Knuth, Larrabee, Roberts, 1989 — Mathematical Writing, Stanford CS Report STAN-CS-88-1193 / MAA Notes 14 --- ## 발췌 --- ## 분석 이 발췌가 수식 글쓰기의 정전(canon)으로 통하는 이유 하나. 수식 그 자체가 동일하다. §2와 §3의 두 버전은 정확히 같은 정의, 같은 정리, 같은 증명 단계를 다룬다. 다른 것은 오직 문장 결합 방식, 기호 배치, 서술 흐름뿐이다. 두 버전을 나란히 놓고 보면 "수식이 맞으면 글도 괜찮다"는 흔한 오해가 한 페이지에서 무너진다. 후배가 자기 증명 초고를 들고 와 "수식은 다 검증했다"라 말할 때, 이 발췌를 펼쳐 같은 수식이 어떻게 두 가지 글이 될 수 있는지 보여 주면 설득의 시간이 단축된다. §2 버전이 atrocious한 첫째 이유는 rule 10의 "blah test"를 통과하지 못한다는 점이다. 모든 displayed equation을 단어 "blah"로 치환하고 산문만 읽었을 때 §2의 문장은 끊긴다. 수식이 문장의 문법적 구성요소가 아니라 삽입된 객체로 떠 있기 때문이다. 가령 정의를 도입하는 문장이 콜론으로 끝나고 displayed equation이 등장한 뒤 다음 문장이 새 주어로 시작하면, 수식을 빼고 읽었을 때 "Let X be defined as: . The function X then …"처럼 분절된다. §3 버전은 동일한 displayed equation을 문장의 보어 자리에 놓아, 수식을 빼더라도 "Let X be defined as blah, so that the function X then …"처럼 연속된다. 같은 수학이 같은 페이지에서 두 가지 산문이 된다. 둘째 이유는 rule 4, 정리 진술의 자기완결성이다. §2의 정리는 앞 단락에서 정의한 기호 $S_q$, $p$ 등을 재인용 없이 그대로 사용한다. 독자는 정리만 읽고서는 $S_q$가 무엇인지, $p$가 어떤 범위인지 알 수 없어 앞으로 돌아가야 한다. §3의 정리는 같은 기호를 쓰되 진술 안에 "where $q < p$ and $S_q$ denotes …"라는 짧은 어구를 끼워 넣어 자기완결적으로 만든다. 길이는 한 줄 늘어났을 뿐인데 정리만 따로 떼어 읽어도 의미가 닫힌다. 후배가 자기 정리를 점검하는 가장 빠른 방법은 정리 진술만 복사해 새 페이지에 놓고 그 진술이 단독으로 이해되는지 묻는 것이다. 안 된다면 §3 패턴, 곧 짧은 종속절로 모든 기호를 그 자리에서 정의하는 패턴을 적용한다. 셋째 이유는 rule 1, 인접 기호 사이의 단어 삽입이다. §2에서 "$S_q$, $q < p$"처럼 두 수식이 쉼표 하나로 인접하면 독자는 둘이 같은 객체의 두 표현인지 두 개의 독립된 조건인지 즉시 가르지 못한다. §3에서 "$S_q$, where $q < p$"로 단 한 단어 "where"를 삽입하면 모호함이 사라진다. 이 작은 단어 삽입이 가독성에 미치는 효과는 비대칭적으로 크다. 토큰 한 개의 비용으로 해석 분기를 닫는다. Knuth가 27 rules 중 첫째로 이 규칙을 둔 데에는 이유가 있다. 같은 단락 안에서 동시에 발효되는 rule이 여럿이라는 점이 이 발췌의 교육적 효율을 높인다. rule 1(인접 기호 분리), rule 2(기호로 문장 시작 금지), rule 4(정리 자기완결성), rule 6(displayed equation의 번호 부여 기준), rule 9(기호 일관성), rule 10(blah test), rule 14(기호 정렬), rule 16("such that" vs "where" 선택)가 한 단락 rewrite 안에서 연쇄적으로 걸린다. 한 사례에서 여러 원칙을 한꺼번에 익히면 후배의 작업 비용이 크게 줄어든다. 자기 증명 한 단락을 §3 패턴으로 다시 쓰는 것이 곧 여덟 가지 rule을 동시에 점검하는 행위가 된다. 한국어 수학 글쓰기로 옮기면 위치 문제 하나가 추가된다. 영어의 "where", "such that"은 종속절을 뒤에서 끌어와 진술의 자기완결성을 채운다. 한국어는 SOV 어순이므로 종속절이 앞에서 와야 자연스럽다("$q < p$인 $S_q$에 대해, …"처럼). "단,"이나 "여기서"는 종속절 뒤에 추가 조건을 붙일 때 쓰는 어구지만, 정리 진술 안의 기호 정의는 한국어에서 영어처럼 뒤로 미루기보다 앞에 두는 편이 자기완결성을 더 잘 확보한다. 이 차이를 인지하지 못한 채 영어 rewrite 패턴을 그대로 한국어로 옮기면 어색해진다. --- ## 따라 쓰기 패턴 이 패턴은 자기 증명 한 단락을 점검하는 3 체크다. ① 모든 displayed equation을 "blah"로 치환한 문장 골격을 따로 적어 본다 — 산문이 흐르는가, 끊기는가. ② 정리 진술만 복사해 새 페이지에 놓고 단독으로 읽는다 — 모든 기호가 그 자리에서 정의되는가. ③ 인접한 두 수식 사이에 단어가 있는가 — "$x$, $y > 0$"이 아니라 "$x$, where $y > 0$"인가. 세 점검 중 하나라도 실패하면 §3 버전의 문장 결합 패턴을 가져와 재배치한다. 한국어 증명 단락을 쓸 때는 정리 진술의 기호 정의 어구를 진술 앞에 두는 패턴이 자기완결성에 유리하다는 점을 기억해 둔다. "정리. $f$가 연속이고 $K$가 컴팩트일 때, $f$는 $K$ 위에서 균등연속이다"처럼 조건이 앞에 와야 한국어 어순이 살고, 동시에 진술이 단독으로 닫힌다. --- # E.5 — 조직하고 산만하게 하지 않는다 **출처**: Paul R. Halmos (lecture transcribed in Knuth, Larrabee, Roberts, 1989) — Mathematical Writing, Stanford CS Report STAN-CS-88-1193 / MAA Notes 14, §42 "Paul Halmos on Mathematical Writing" --- ## 발췌 강연 도입에서 Halmos는 자신의 강연을 두 명령으로 묶는다: > He is going to drift in and out of many different topics but only after he has given us an anchor and a rough outline. The anchor? Two basic rules: > > > Do organize material. > > Do not distract the reader. > > The outline? Four aspects of good mathematical communication: Semantics … ; Syntax … ; Symbols … ; Style … 강연이 끝날 무렵 Halmos는 이 두 명령을 다시 꺼내며 닫는다: > Paul wound up his speech by repeating his opening rules: "Do organize," and "Do not distract." … > "Do organize," and "Do not distract." Except that all rules are made to be broken. When you want to jar your readers, Paul suggests that you distract them by changing your notation, screaming ungrammatical sentences, or being awkwardly repetitious. --- ## 한국어 의역 Halmos는 자신의 강연을 닻 하나와 거친 outline 하나로 묶는다. 닻은 두 명령이다 — 조직하라(do organize material). 산만하게 하지 말라(do not distract the reader). outline은 네 측면이다 — 의미(semantics), 문법(syntax), 기호(symbols), 문체(style). 강연 마지막에 그는 같은 두 명령을 다시 꺼내며 한 가지 단서를 단다. 모든 규칙은 깨지기 위해 있다. 독자를 흔들고 싶을 때는 의도적으로 표기를 바꾸거나, 비문으로 외치거나, 어색하게 반복함으로써 산만하게 만들 수도 있다고 — 즉 산만하게 하지 말라는 명령조차 원리적 기본이지 예외 없는 금지가 아니라는 뜻이다. --- ## 분석 — 왜 이 표현이 좋은가 여덟 단어. 글쓰기에서 내려야 할 모든 결정을 두 축으로 압축한 격언이다. 분량은 가장 짧은데 작용 반경은 가장 넓다. 이 책 전체의 epigraph로 삼아도 좋을 만큼 강하다. 분석은 두 명령이 각각 무엇을 가리키는지, 둘이 어떤 순서로 작동하는지, 격언의 형식 자체가 어떤 숨은 메시지를 던지는지를 네 단락으로 풀어낸다. 첫째, Do organize material이 가리키는 것은 읽는 순서를 정해 주는 것이다. 글의 질을 결정하는 것은 정보의 양이 아니라 순서다. 같은 사실이라도 어떤 순서로 마주치는가에 따라 독자의 머릿속에 만들어지는 그림이 달라진다. Halmos가 강연 후반에 덧붙인 "the plot of an exposition is rarely a straight line"이 이 명령을 풀어 준다 — 설명의 플롯은 직선이 아니라 가지와 다른 실들이 엮인 짜임이라는 것. 단락 단위에서 이 명령은 CCC(context-content-conclusion)로 구체화된다. 섹션 단위에서는 gap funnel(분야 정의, 기존 한계, 우리 기여)로 구체화된다. 논문 전체 단위에서는 Whitesides의 outline-first 절차로 구체화된다. Halmos가 명사 organization이 아니라 동사 organize를 고른 점이 의미심장하다. 결과가 아니라 행위가 명령의 대상이다. 둘째, Do not distract the reader는 산만함의 카탈로그다. 문장과 단락 어디에도 본 줄기에서 주의를 빼앗는 요소를 두지 말라는 명령이다. Halmos가 강연 마지막에 역으로 한 말이 산만함의 종류를 정확히 뒤집어 보여 준다 — changing your notation, screaming ungrammatical sentences, being awkwardly repetitious. 즉 표기를 흔드는 것, 비문, 어색한 반복이 산만함의 세 표본이다. 이 외에 흔한 산만함의 사례를 더 꼽을 수 있다. footnote 남발 — 본문에 들어가야 할 정보를 각주로 분산시키면 독자는 시선을 두 번 옮긴다. 의미 없는 부연 괄호 — "(see also …)"가 단락 흐름을 끊는다. 본문에 어울리지 않는 우회 — "Before we continue, let us briefly note …" — 가 진행 방향을 흐린다. "in this paper we …" 같은 boilerplate가 강조 위치를 점령한다. 의미 없는 강조 — bold, italic의 남용 — 가 진짜 강조를 무력화한다. 일관성 없는 표기 — 같은 양을 두 기호로 부르는 것 — 이 독자에게 매번 정렬 비용을 부과한다. cxli가 figure 안티패턴 카탈로그에서 짚는 것들도 결국 이 한 명령의 figure-수준 풀이다. 셋째, 두 명령의 순서가 비대칭이라는 점이 핵심이다. Halmos는 organize를 먼저, do not distract를 뒤에 두었다. 이 순서는 우연이 아니다. 산만함을 제거해도 조직이 없으면 글은 죽는다. 방향이 없으니까. 반면 조직이 있으면 산만함은 제거 가능한 표면 결함이다. 후공정에서 잡으면 된다. Halmos 본인이 I spend most of my writing time working on organization이라 적은 것도 같은 자세다 — 글쓰기 시간의 대부분이 조직 작업이고, 산만함 제거는 그 다음이다. 이 비대칭은 글쓰기 순서에도 그대로 들어온다. 구상과 초고가 organize에 해당하고, 마지막 교정이 do-not-distract에 해당한다. 순서를 뒤집어 산만함부터 잡으려고 하면 조직이 흐트러진 상태에서 표면만 매끈하게 다듬는 헛일이 된다. organize가 먼저라는 것은 작업 순서에 대한 명령이기도 하다. 넷째, 격언의 형식 그 자체가 숨은 메시지다. 두 명령문은 같은 길이, 같은 동사 강세("Do"), 같은 평행 구조를 가진다. positive 명령(Do X)이 먼저, negative 명령(Do not Y)이 뒤. 이 평행성이 격언을 기억에 박는다. "Organization is important and you should not distract the reader"처럼 풀어 썼다면 같은 의미가 단번에 휘발된다. 격언으로 압축된 규칙은 단지 짧기 때문이 아니라 형식이 메시지를 강화하기 때문에 강하다. Halmos가 강연 마지막에 all rules are made to be broken을 덧붙인 것조차 격언의 사용법까지 포함한 숨은 메시지다 — 규칙은 기본으로 지키되, 깰 자리를 의식하라. --- ## 따라 쓰기 — 자기 분야에 적용 이 패턴은 자기 글 진단을 두 질문으로 압축하는 도구다. 단락 하나하나에 대해 묻는다. ① 이 단락은 왜 여기에 있는가 — 앞뒤 단락과의 순서가 독자가 따라가야 할 흐름과 일치하는가(organize). ② 이 문장은 본 줄기에서 주의를 빼앗는가 — footnote, 부연, boilerplate, 의미 없는 강조, 표기 흔들림 중 하나에 해당하는가(distract). 둘 중 하나라도 No에 걸리면 자른다. 이 두 질문을 매 단락 단위로 적용하는 것이 글쓰기 점검의 가장 단순한 단일 도구다. 자기 글에 epigraph로 이 격언을 직접 인용할 필요는 없다. 그러나 작업 책상 위에 — 또는 노트 첫 페이지에 — 여덟 단어를 적어 두면 글쓰기 결정의 95%가 두 축으로 정렬된다. 어떤 문장을 둘지 말지, 어떤 figure를 어디에 둘지, 어떤 색을 강조에 쓸지 — 모두 organize 또는 distract의 변형이다. 한국어로 옮기면 더 짧다 — 조직하라. 산만하게 하지 말라. 여섯 글자로 압축된 두 명령이 영어 원문보다 더 단단하게 박힌다. --- ## 출처 - `halmos-in-knuth-1989` — Halmos, P. R. (lecture, December 9, 1987), in Knuth, D. E., Larrabee, T., Roberts, P. M., 1989. Mathematical Writing. Stanford Computer Science Report STAN-CS-88-1193, also published as MAA Notes Series #14, Mathematical Association of America. §42 "Paul Halmos on Mathematical Writing", pp. 110-116. --- # E.6 — 글쓰기는 일찍 시작하고 여러 번 고쳐진다 **출처**: Nils J. Nilsson (lecture transcribed in Knuth, Larrabee, Roberts, 1989) — Mathematical Writing, Stanford CS Report STAN-CS-88-1193 / MAA Notes 14 --- ## 발췌 --- ## 분석 Nilsson의 6점은 글쓰기를 결과물이 아니라 과정으로 본 가장 압축된 체크리스트다. Halmos의 두 명령이 원칙을 압축한다면, Nilsson의 여섯 점은 습관을 압축한다. 두 발췌가 자매 쌍을 이룬다. 무엇을 지킬 것인가(원칙)와 매일 무엇을 할 것인가(과정)를 나란히 보여 준다. 여섯 점을 한국어로 옮기고 한두 줄씩 풀어 본다. **Start early — 일찍 시작하라.** 글쓰기는 마감 일주일 전에 끝나는 일이 아니다. 데이터 수집과 동시에 단락이 자라야 한다. 실험 결과가 나오기 전에 Method 섹션의 1차 초고가 있으면 그 초고의 빈자리가 어떤 실험이 더 필요한지 역으로 알려 준다. Mensh와 Kording이 rule 9에서 권한 "draft alongside experiments"가 이 한 점의 절차적 표현이다. **Rewrite — 다시 써라.** 초고는 발견을 위한 도구이지 완성품이 아니다. 한 번에 좋은 글이 나온다는 환상이 가장 큰 함정이다. **Read — 읽어라.** 좋은 글은 좋은 독자에게서 나온다. 자기 분야 SOTA 논문 다섯 편을 매주 정독하지 않으면 자기 글이 어디에서 부족한지 가늠할 자(尺)가 없다. **Model the reader — 독자를 모델링하라.** 누가 어떤 순서로 무엇을 알고 읽는가를 머릿속에 시뮬레이션한다. Gopen과 Swan의 "reader expectations"와 같은 명령이지만 행동 지시가 더 명료하다 — 시뮬레이션 하라. **Master the medium — 매체를 다스려라.** LaTeX, BibTeX, 표기 매크로, figure 도구. 매체에 끌려가면 사고가 끌려간다. **Master the material — 내용을 다스려라.** 모르는 것은 잘 쓸 수 없다. Whitesides가 §I에서 "글쓰기로 사고가 정련된다"고 했지만, 정련될 재료가 있어야 한다. 모르는 채로 쓰면 글의 빈틈이 메워지지 않는다. 여섯 점의 순서 그 자체가 메시지를 전달한다. start early(외부 시간) → rewrite(자기 절차) → read(외부 입력) → model the reader(타자) → master the medium(도구) → master the material(내용). 외부, 자기, 입력, 타자, 도구, 내용의 동심원적 확장으로 읽힌다. 혹은 시간 축을 따라 작업의 단단함이 깊어지는 순서로도 읽힌다. 일찍 시작하는 것이 가장 쉽고, 내용을 마스터하는 것이 가장 오래 걸린다. 이 순서가 우연이 아니다. Nilsson은 후배가 오늘부터 가능한 것부터 평생에 걸쳐 단단해지는 것까지를 차례로 배치했다. 여섯 점은 곧바로 자기 점검표가 된다. 너무 늦게 시작하는가, 다시 쓰는 시간을 남겨 두는가, 좋은 글을 충분히 읽는가, 독자를 머릿속에 두고 쓰는가, 도구에 끌려가지는 않는가, 내용을 충분히 알고 있는가. 여섯 질문 중 하나라도 비어 있으면, 다음 작업의 시작점이 거기에 있다. 여섯 점을 자기 점검 체크리스트로 바꾸면 더 강해진다. 매주 일요일 저녁에 묻는다. ① 이번 주에 글을 일찍 시작했는가 — 마감에 쫓겨 시작하지 않았는가. ② 적어도 한 단락을 다시 썼는가 — 처음 쓴 그대로 두지 않았는가. ③ 자기 분야 좋은 글을 읽었는가 — 정독한 논문이 한 편이라도 있는가. ④ 독자를 그렸는가 — 누구에게 무엇을 어떤 순서로 보일지 명시했는가. ⑤ 매체를 다스렸는가 — LaTeX, 표기, 매크로의 정합성을 점검했는가. ⑥ 내용을 충분히 아는가 — 글에서 흐릿한 자리가 있다면 그 자리는 사고가 흐릿한 자리다. 한 항목이라도 No가 나오면 다음 주 1순위 작업으로 옮긴다. 매주 6 문항이라는 가벼운 자기 점검이 6개월 누적되면 글쓰기 습관이 단단해진다. --- ## 따라 쓰기 패턴 이 패턴은 매주 자기 글쓰기 진단의 6문 체크다. 일찍 시작했나 / 다시 썼나 / 좋은 글을 읽었나 / 독자를 그렸나 / 매체(LaTeX·표기)를 다스렸나 / 내용을 충분히 아는가. 한 항목이라도 No면 다음 주 1순위 작업으로. 6개월 누적되면 6 점 모두에서 어느 정도 단단함이 생긴다. 여섯 점을 동시에 잘하려고 하면 어느 하나도 잘하기 어렵다. 약한 점 하나를 골라 한 주 또는 한 달의 1순위 작업으로 두는 방식이 누적에 유리하다. 가령 "이번 달은 model the reader에만 집중한다 — 모든 단락에 대해 누가 어떤 순서로 무엇을 알고 읽는지 명시하기"처럼. --- # E.7 — 읽었다는 말은 네 질문에 답한다는 뜻이다 **출처**: 최윤섭 박사 (Yoonsup Choi), 「첫 연구 주제를 어떻게 정하고 접근할 것인가」, Grad School Story, gradschoolstory.chkwon.net/yoonsup/first-research-subject/ --- ## 발췌 > 1. 왜 이 주제인가? > 2. 기존 연구는 어디까지 밝혔는가? > 3. 남은 미해결 문제는? > 4. 나의 가설은? > > 이 질문에 답할 수 없으면 그 연구의 의미를 파악하고 있다 할 수 없다. --- ## 분석 — 왜 이 표현이 좋은가 네 질문의 형식이 도구로서 강한 첫째 이유는 완결성이다. 한 논문을 읽고 나서 답이 채워지지 않은 칸이 있다면, 그 칸이 곧 읽지 않은 부분을 가리킨다. 1번 칸이 비어 있으면 동기 — 왜 이 연구가 이 시점에 이 형태로 쓰였는가 — 를 잡지 못한 것이고, 2번 칸이 비어 있으면 분야 좌표 — 어디까지가 알려진 영역인가 — 를 잡지 못한 것이며, 3번 칸이 비어 있으면 gap — 본 논문의 contribution이 어떤 빈자리를 채우는가 — 를 잡지 못한 것이다. 4번 칸은 분야 진입 직후에는 비어 있는 것이 정상이지만, 두세 달 누적되면 내 가설의 자리가 점차 채워진다. 네 칸짜리 카드 하나가 곧 한 논문의 의미 파악 완료 신호다. 둘째 이유는 4 질문이 그대로 분야 단위로 확장된다는 점이다. 한 논문 = 카드 한 장이라면 한 분야 = 카드 묶음이다. 같은 4번 칸 — 나의 가설 — 을 묶음의 모든 카드에 두고 비교하면 그 분야의 빈자리가 시각화된다. 어떤 가설은 여러 카드의 3번 칸(미해결 문제)에 반복 등장하고, 어떤 가설은 한 카드에만 있다. 반복 등장하는 미해결 문제가 곧 시급한 문제이며, 그중 자기 도구로 접근 가능한 것이 내 주제 후보다. 최윤섭 박사가 4 질문을 한 논문 단위로 제시했지만 도구로서의 작용 반경은 분야 단위다. 셋째 이유는 명제가 부정문으로 닫힌다는 점이다. "답할 수 없으면 의미 파악이 끝나지 않은 것이다." 긍정문 — "답할 수 있으면 의미 파악이 끝난 것이다" — 로 적었다면 같은 명제가 단번에 약해진다. 부정문은 기준선이 되고, 긍정문은 권고가 된다. 자기 점검에서 "이 논문 다 읽었다"라고 자평할 때 4 칸 중 한 칸이라도 비어 있으면 즉시 그 자평을 거둬들이는 단단한 기준선이 작동한다. Knuth가 27 rules의 첫째에 부정형 명령("Symbols in different formulas must be separated by words")을 둔 것과 같은 형식 효과다. 넷째 이유는 4 질문이 Mensh-Kording R1 single contribution과 역방향으로 정합한다는 점이다. R1은 쓰는 사람에게 한 논문 = 한 contribution을 명령한다. 4 질문은 읽는 사람에게 한 논문 = 4 칸을 명령한다. 둘은 같은 논문을 두 시점에서 본다. 잘 쓰인 논문이라면 4 칸이 모두 채워진다 — 이때 R1의 contribution은 곧 4번 칸(또는 3번 칸의 일부)이 된다. 4 칸 중 어느 하나가 끝까지 채워지지 않는 논문이 있다면 그 논문은 R1을 깬 논문일 가능성이 높다. 4 질문이 곧 읽기 도구이자 쓰기 자기 점검 도구로 양방향 작동한다. 다섯째 이유는 한국어 문체의 압축률이다. 영어로 옮기면 "Why this topic? / What has prior work clarified? / What remains unsolved? / What is my hypothesis?"가 되는데, 한국어 4 줄이 토큰 수에서 2/3 수준이다. 한국어가 SOV 어순에서 술어를 후순위로 두는 특성상 의문문에서 "왜 / 어디까지 / 남은 / 나의" 같은 맥락 한정사가 첫머리에 오면 문장 끝의 동사 — "인가 / 밝혔는가 / 무엇인가 / 무엇인가" — 가 자동으로 활성화된다. 한국어로 짤 때 가장 효율적인 형태다. 한국어 노트에서 그대로 사용해도 어색하지 않고, 영문 논문 노트에서도 4 칸 헤더만 한국어로 두고 내용을 영문으로 채우는 식의 hybrid가 자연스럽게 작동한다. 여섯째 이유는 4 질문이 Keshav 3-pass와 직각으로 작동한다는 점이다. Keshav는 한 논문을 어느 깊이로 읽을지를 3 단계(skim → grasp → reproduce)로 나눈다. 최윤섭 박사 4 질문은 읽기의 결과로 무엇이 남아야 하는지를 4 칸으로 나눈다. Keshav가 읽기 시간 운영의 도구라면, 최윤섭 박사 4 질문은 읽기 결과 점검의 도구다. 두 도구를 교차해서 쓰면 "이 논문은 first pass로 충분한가, second pass까지 가야 하는가"의 결정이 자동화된다. 4 칸 중 1·2번 칸이 first pass로 채워지지 않으면 second pass가 필요하고, 3·4번 칸이 second pass로도 채워지지 않으면 third pass(reproduce)가 필요하다. 두 도구가 읽기 깊이의 결정을 같이 닫는다. --- ## 따라 쓰기 — 자기 분야에 적용 이 패턴은 자기 분야 한 논문을 읽었다고 자평하기 직전의 4 칸 점검 도구다. ① 1번 칸 — 왜 이 주제 — 를 한 줄로 적는다. 분야의 어떤 trend, 어떤 도구의 등장, 어떤 측정의 실패가 본 논문을 호출했는가. ② 2번 칸 — 기존 연구 — 를 두세 편 cite로 적는다. cite 없이 칸을 채울 수 없으면 background section을 다시 읽는다. ③ 3번 칸 — 미해결 문제 — 를 본 논문의 abstract와 conclusion에서 복제하지 말고 자기 언어로 적는다. 복제로 끝나는 칸은 외운 것이지 이해한 것이 아니다. ④ 4번 칸 — 나의 가설 — 은 분야 진입 직후에는 빈 칸이거나 stub("이 논문이 푼 문제 옆에 비슷한 문제가 있을 것 같다")로 둔다. 두세 달 누적되면 stub들이 모여 본인의 problem statement(ch02 Feynman 첫 줄)로 합류한다. 로보틱스/CV에서 4 칸을 채우는 빠른 변형이 있다. 1번 칸을 cite + 한 줄로, 2번 칸을 베이스라인 표의 행 이름으로, 3번 칸을 failure mode 단락 또는 limitation 단락에서, 4번 칸을 future work 단락에서 — 이렇게 4 칸의 원천 위치를 정해 두면 카드 작성 속도가 빨라진다. 단, 4번 칸을 future work에서 그대로 베끼면 남의 가설이 된다. 본 논문의 future work을 자기 도구·환경에서 구현 가능한 형태로 번역하는 행위가 4번 칸의 진짜 작업이다. 흔한 함정 두 가지를 미리 짚는다. 함정 1 — abstract만 보고 4 칸을 채운다. abstract는 1·3번 칸의 의역이 보통 이미 들어 있어서 표면적으로 4 칸이 빠르게 채워지는 듯 보인다. 그런데 abstract는 본 논문이 원하는 자기 그림이다. 2번 칸(기존 연구의 어디까지)과 3번 칸(미해결 문제의 자기 진단)은 본문 §2 background와 §6 discussion에서 따로 검증해야 한다. 함정 2 — 4 칸을 한 번에 채우려 한다. 4 칸은 읽기 진척에 따라 단계별로 채워진다. first pass 후 1·2번 칸이 채워지고, second pass 후 3번 칸이 좁혀지고, second pass 또는 third pass 후 4번 칸의 stub가 떠오른다. 한 번에 4 칸을 다 채우려 하면 그중 한 칸은 거의 항상 외운 답이 들어간다. 이 도구의 장점은 비대칭 불완전성을 허용한다는 점이다. 1·2·3번 칸은 본 논문 안에서 답이 닫혀야 한다. 4번 칸은 한 달, 한 학기, 한 학년에 걸쳐 자라는 칸이다. 처음에는 비어 있어도 괜찮다. 처음부터 4번 칸이 채워지면 의심스럽다 — 본 논문을 읽기 전부터 가설이 있었다는 뜻이다. 4번 칸의 진척이 곧 분야 진입의 진척이다. 이 도구를 분야 단위로 운영할 때의 한 변형이 있다. seed 논문 3-5편에 4 칸을 채운 뒤, 5편의 4번 칸을 한 표로 정렬한다. 어떤 가설이 여러 카드에 반복 등장하는가 — 그 가설이 곧 시급한 미해결 문제다. 어떤 가설이 한 카드에만 등장하고 본인의 도구·환경에서 접근 가능한가 — 그 가설이 내 주제 후보다. 4 칸 카드 묶음을 한 학기 누적하면 자기 분야 지도가 자동으로 그려지고, 그 지도가 ch02 Feynman 첫 줄(problem statement)의 입력이 된다. ch01의 분야 진입 도구 → ch02의 문제 정의 도구로 이어지는 흐름이 4 질문을 통해 매끈하게 닫힌다. 운영의 mood 한 가지를 짚어 둔다. 4 칸을 완벽하게 채우는 것이 목표가 아니다. 한 학기에 30 카드를 채우는 학생과 한 학기에 5 카드만 깊게 채우는 학생 중, 분야 진척이 더 빠른 쪽은 후자에 가깝다. 카드 수는 읽은 양의 지표일 뿐이고, 4 칸의 깊이 — 특히 3·4번 칸 — 가 이해의 지표다. 카드 수를 지표로 두지 않는 운영이 권장 방향이다. --- ## 출처 - 최윤섭 박사 (Yoonsup Choi), 「첫 연구 주제를 어떻게 정하고 접근할 것인가」, Grad School Story 시리즈, 2014. URL slug `/yoonsup/first-research-subject/`. 한국어 회고체 원문에서 4 핵심 질문 목록과 후속 명제 1문장을 원문 인용. # E.8 — 문제 정의는 답보다 먼저 좁혀진다 **출처**: Richard P. Feynman (apocryphal three-step algorithm, widely circulated 1980s onward) + 권창현 교수 (Changhyun Kwon), 「연구의 비법: 파인만 알고리즘」, Grad School Story, gradschoolstory.chkwon.net/changhyun/연구의-비법-파인만-알고리즘/ --- ## 발췌 영문 (Feynman, 농담조의 3-step): > 1. Write down the problem. > 2. Think real hard. > 3. Write down the solution. 한국어로 옮긴 두 비유와 핵심 명제: > 첫째, 버그 디버깅. 모호한 진술 — "잘 안 돌아가요" — 을 구체적 단계 — "어떤 입력에서, 어떤 출력이 나오는가" — 로 좁히는 과정과 같다. 둘째, 지진 물자 운송. 광범위한 주제 — "지진 피해를 어떻게 줄일까" — 를 검증 가능한 질문 — "이 도로망에서 트럭 N대를 어떻게 배치하면 평균 도착 시간이 최소가 되는가" — 로 좁히는 과정과 같다. > > 연구는 답을 찾는 과정이 아니라 문제를 찾는 과정이다. 두 비유는 같은 축을 다르게 보여 준다. 디버깅 비유는 모호한 증상을 관찰 가능한 조건으로 바꾸는 일이고, 지진 물자 운송 비유는 너무 큰 주제를 검증 가능한 질문으로 좁히는 일이다. 하나는 해상도를 올리고, 다른 하나는 범위를 닫는다. 둘이 합쳐져야 문제 한 줄이 작업 가능한 단위가 된다. --- ## 한국어 의역 > 1. 문제를 적는다. > 2. 진짜 열심히 생각한다. > 3. 답을 적는다. --- ## 분석 — 왜 이 표현이 좋은가 세 줄짜리 algorithm이 농담처럼 들리는 이유는 둘째 줄 — "Think real hard" — 이 알고리즘 진술의 형식을 흉내내면서 절차를 비워두기 때문이다. 세 줄의 형식은 충실하게 알고리즘이지만, 둘째 줄에서 절차가 무너진다. 이 농담의 진짜 무게는 첫째 줄에 있다. 둘째 줄이 비어 있어도 첫째 줄을 적는 행위가 연구 과정의 가장 큰 비중을 차지한다는 점이 농담의 골자다. 두 번째 줄을 시작할 수 없는 이유는 거의 항상 첫째 줄이 충분히 좁혀지지 않았기 때문이다. Feynman이 칠판 농담으로 던졌든 후배 누군가가 그렇게 정리했든, 이 세 줄은 문제 정의가 작업의 단위라는 명제를 가장 짧게 압축한다. 권창현 교수의 두 비유는 첫째 줄을 어떻게 적는가의 작업 시연이다. 비유 1 (버그 디버깅)은 모호 → 구체의 한 방향을 보인다. "잘 안 돌아가요"는 problem statement가 아니다. "입력 X에서 출력 Y가 나와야 하는데 Z가 나옵니다"가 problem statement다. 비유 2 (지진 물자 운송)는 광범위 → 검증 가능의 한 방향을 보인다. "지진 피해를 줄이자"는 goal이지 problem statement가 아니다. "도로망 G 위에서 트럭 N대의 배치를 최적화"가 problem statement다. 두 비유가 한 쌍을 이루는 이유는 축이 다르기 때문이다. 한 비유는 해상도 축(모호 ↔ 구체), 다른 비유는 범위 축(광범위 ↔ 검증 가능)을 짚는다. 두 축을 동시에 적용해 problem statement를 내릴 때 첫째 줄이 비로소 적힐 수 있는 형태가 된다. 핵심 명제 — "연구는 답을 찾는 과정이 아니라 문제를 찾는 과정이다" — 가 두 비유 다음에 놓이는 순서가 중요하다. 명제만 단독으로 던졌다면 추상 명제로 휘발된다. 두 비유가 먼저 와서 보여 주고, 그 다음 명제가 와서 결론을 닫는다. 그래서 이 문장은 조언이 아니라 앞선 두 사례를 정리한 결론으로 읽힌다. 이 명제가 강한 둘째 이유는 부정문이 먼저, 긍정문이 뒤인 평행 구조다. "답을 찾는 과정이 아니라" + "문제를 찾는 과정이다." 부정문이 먼저 오면서 흔한 오해 — 연구 = 답 찾기 — 를 닫고, 긍정문이 와서 대안을 연다. 두 절이 같은 길이, 같은 동사("찾는 과정이다"), 같은 명사 위치("답"·"문제")의 평행 구조를 갖는다. Halmos의 "Do organize. Do not distract."와 같은 기억-압축 형식이다. 연구실에서 후배가 "어떤 답을 내야 할지 모르겠어요"라고 말할 때, 이 한 문장만 뒤집어 돌려주면 — "지금은 답이 아니라 문제를 찾는 단계입니다" — 대화가 다시 시작된다. Whitesides §3.3의 hypothesis placeholder와 이 발췌는 자연스럽게 이어진다. Whitesides는 가상 답을 미리 그려라라고 적었고, 권창현 교수는 문제를 적어라라고 적었다. 두 명령은 같은 곳을 가리킨다. 가설을 적는 행위는 결국 문제를 적는 행위다. 처음에 적은 문제가 틀려도 되기 때문에, 가설도 placeholder로 남겨 두고 작업 중에 다시 적는다. 영어 "Write down the problem"은 명령형이다. 한국어로 옮기면 "문제를 적는다"가 더 자연스럽지만, 명령의 힘은 조금 약해진다. 두 문장은 서로 다른 역할을 맡는다. 영어는 기억에 남고, 한국어는 손을 움직이게 한다. --- ## 따라 쓰기 — 자기 분야에 적용 이 패턴은 problem statement를 내리는 4 단계 절차다. ① "잘 안 됩니다" 또는 "성능을 높이고 싶습니다" 형태의 문장을 한 줄 적는다(시작점, problem statement 아님). ② 비유 1(해상도) 적용 — 어떤 입력에서, 어떤 측정으로, 어떤 결과가 나오는가를 수치화해 다시 적는다. ③ 비유 2(범위) 적용 — 그 측정이 어떤 환경 조건의 부분집합에서 일어나는가를 조건절로 다시 적는다. ④ 결과를 한 단락 이내로 줄인다. 한 단락을 넘으면 아직 좁히지 못한 것이다. 이 4 단계가 ch02 Feynman 3-step의 첫 줄 — "Write down the problem" — 의 절차적 풀이가 된다. 로보틱스/CV에서 흔한 시작점과 좁히기의 예시 한 쌍을 본다. 시작점 "SLAM 정확도를 높이고 싶다"는 goal이지 problem statement가 아니다. 비유 1을 적용하면 "indoor low-light에서 ORB feature 탐지 실패율 30% 이상"으로 해상도가 올라간다. 비유 2를 적용하면 "feature density가 임계값 이하인 관점 비율이 전체의 X% 이상일 때 ICP가 suboptima로 수렴"으로 범위가 닫힌다. 좁히기 3-4회 누적이면 problem statement가 작업 가능한 단위로 내려온다. 작업 가능해지면 솔루션이 따라온다 — 둘째 줄("Think real hard")이 비로소 시작된다. 이 패턴의 핵심은 problem statement를 마지막에 정의한다는 점이다. 첫 줄은 처음부터 완벽하게 적힐 수 없다. 시작 시점의 problem statement는 placeholder다. 작업 중 데이터가 등장하고, 베이스라인이 깨지고, 인접 분야의 도구가 등장하면서 첫 줄이 다시 적힌다. 한 학기에 첫 줄이 3-4회 갱신되면 정상이다. 처음부터 끝까지 같은 첫 줄이 유지되는 연구가 오히려 의심스럽다 — 작업 중 발견이 없었다는 신호일 수 있다. --- ## 출처 - Feynman 3-step: 출처 미상의 칠판 농담으로 1980년대 이후 광범위하게 회자. 가장 빈번하게 인용되는 표현형(Murray Gell-Mann의 회고 등)을 그대로 사용. 이 발췌에서는 Feynman의 글이 아니라 후배·동료의 회고를 통해 정착한 표현으로 다룬다. - 권창현 교수 (Changhyun Kwon), 「연구의 비법: 파인만 알고리즘」, Grad School Story, 2014. URL slug `/changhyun/연구의-비법-파인만-알고리즘/`. # E.9 — 기여는 종류가 아니라 증가분으로 말한다 **출처**: George A. Hazelrigg (NSF), "On the Role and Use of Mathematical Models in Engineering Design" (research-type taxonomy circulating in NSF program-officer talks 2000s) + 권창현 교수 (Changhyun Kwon), 「지금 하고 있는 게 연구인가, 아닌가?」, Grad School Story, gradschoolstory.chkwon.net/changhyun/지금-하고-있는-게-연구인가-아닌가/ --- ## 발췌 연구의 4 type (Hazelrigg, 한국어 의역): > 1. **가설 검정** — 특정 명제의 참/거짓을 데이터로 입증한다. > 2. **측정** — 특정 현상의 정량적 성질을 정해진 정확도로 잰다. > 3. **추측 증명** — 명제가 옳다는 것을 논리·수학으로 증명한다. > 4. **학제간 융합** — 한 분야의 도구·관점을 다른 분야의 문제에 적용한다. > > 네 type 중 어느 것에도 해당하지 않는 작업은 연구가 아니라 다른 종류의 일이다. 아인슈타인 (권창현 교수 글 안에서 한국어로 인용된 형태 — 사이트 원문 인용 일치): > 우리도 우리가 뭐하는지 잘 모르잖아요. 알면 연구 아니잖아요. 원 영문은 "If we know what it was we were doing, it would not be called research, would it?" 사이트는 두 절 뒤에 "그렇잖아요"의 한 절이 더 붙는다 — 위 인용박스는 두 절만 압축. --- ## 분석 — 왜 이 표현이 좋은가 4 type 목록이 도구로서 강한 첫째 이유는 분류의 외부를 명시화한다는 점이다. 보통 분류는 내부를 다룬다 — 어떤 항목이 어느 칸에 들어가는가. Hazelrigg 4 type은 한 발 더 나간다. 어떤 항목이 어느 칸에도 들어가지 않으면, 그 항목이 연구 아닌 다른 것 — engineering achievement, 개발, tuning, demonstration — 이라는 진단이 자동으로 따라온다. 분류의 작용이 식별이 아니라 배제다. "이 작업은 4 type 중 어디에 해당하는가"라는 한 질문이 자기 작업의 진단으로 기능한다. 답이 막히면 그 작업은 task에 머물러 있고 research goal로 올라오지 못한 것이다. 둘째 이유는 4 type이 contribution claim의 정량화 단위를 제공한다는 점이다. "robotic system을 개선했다"는 claim은 4 type 어디에도 들어가지 않을 수 있다. 어떤 가설이 검정됐는지(type 1), 무엇이 측정됐는지(type 2), 어떤 명제가 증명됐는지(type 3), 어느 분야의 도구가 어디에 적용됐는지(type 4)가 명시 안 됐기 때문이다. 4 type 헤더 아래 자기 contribution을 한 칸에 적는 행위가 곧 claim의 정량화다. 한 칸에 적히지 않으면 그 claim은 아직 정량화되지 않은 것이고, 두 칸에 동시에 적히면 Mensh-Kording R1 single contribution을 깨고 있는 것이다. 4 type이 R1과 직접 봉합한다. 셋째 이유는 4 type 분포가 venue 선택의 자유도와 정합한다는 점이다. 한 lab이 type 1·4에만 집중하면 venue 선택이 좁아진다. ICRA·IROS는 type 1·4 우세, T-RO·IJRR은 type 2·3 비중이 더 크고, CVPR은 type 1 우세, NeurIPS theory track은 type 3 우세. 4 type 중 약한 칸 — 가령 한국 robotics lab에서 비교적 비어 있는 type 2(측정) — 을 의도적으로 채우면 venue 옵션이 늘어난다. 4 type 목록이 경력 단위의 자기 점검 도구이기도 하다. 아인슈타인 인용의 mood 전환이 본 분류의 경직성을 푸는 역할을 한다. 4 type 목록이 단단한 분류 도구라면, "우리도 우리가 뭐하는지 잘 모르잖아요. 알면 연구 아니잖아요"는 그 단단함을 현장의 불확실성 위에 올려놓는다. 연구는 알고서 시작하는 것이 아니라 모르고서 시작해 알아 가는 것이라는 한 줄이, 4 type 분류의 경직성을 깨지 않으면서 분류 작업 그 자체의 어려움을 감싼다. 자기 작업이 어느 type인지 처음에 명확하게 답할 수 없는 것이 정상이라는 얘기를 두 줄로 닫는다. 분류의 단단함과 작업의 모름을 동시에 안고 가는 이중 시야가 챕터의 mood다. 이 mood가 한국어 회고체로 적혔다는 점이 발췌의 효율을 높인다. "우리도 우리가 뭐하는지 잘 모르잖아요"의 종결 어미 "잖아요"는 동의 요청 어미다. 청자에게 "당신도 그렇지 않은가"를 묻는 형식. 영문 원문이라면 "We don't really know what we're doing — if we did, it wouldn't be research"처럼 단정문으로 적힐 텐데, 한국어 회고체에서 동의 요청 어미가 들어가면서 후배에게 건네는 안심의 문체가 된다. 4 type 분류로 후배의 자기 작업이 연구 아닐 수 있음을 진단한 다음, "그래도 모르는 게 정상"이라고 안심시키는 두 문체의 결합이 이 발췌의 mood를 완성한다. Knuth rule 12 ("Be humble; don't use superlatives")와의 봉합이 자연스럽다. 4 type 목록 그 자체가 겸손의 도구다. "best", "novel", "state-of-the-art" 같은 superlative는 4 type 어느 칸에도 직접 들어가지 않는다 — 칸은 행위("검정", "측정", "증명", "적용")로 정의되어 있고, superlative는 비교 우위를 진술할 뿐 행위를 진술하지 않는다. superlative를 쓰고 싶을 때 4 type 목록으로 다시 묻는 절차가 자기 점검의 단단한 결절점이 된다. --- ## 따라 쓰기 — 자기 분야에 적용 이 패턴은 자기 작업의 연구·작업 분기를 닫는 4 칸 진단이다. ① 현재 작업의 contribution을 한 줄로 적는다. ② 그 한 줄이 4 type 중 어느 칸에 들어가는지 한 칸만 고른다 — 두 칸 이상 골라야 하면 contribution을 둘로 쪼갠다. ③ 어느 칸에도 들어가지 않으면 작업의 연구화 작업이 빠진 것이다 — 어떤 가설을 검정할지, 무엇을 측정할지, 어떤 명제를 증명할지, 어느 분야 도구를 적용할지 중 하나로 다시 적는다. ④ 한 칸에 들어가더라도 행위가 명사("검정", "측정", "증명", "적용")로 적혀 있어야 한다 — superlative("best", "novel")만 있으면 정량화 부족 신호. 로보틱스/CV에서 4 type 적용 사례의 빠른 예시를 본다. type 1: "BEV feature가 night-time loop closure에 효과적이다 — KITTI-360 night split에서 RTE 30% 감소로 입증." type 2: "6 SLAM system을 KITTI-360과 VIVID에서 동일 metric으로 측정 — 분포·variance 보고." type 3: "Bundle Adjustment의 convergence가 outlier ratio < 30%에서 보장 — 정리 + 증명." type 4: "communication theory의 codebook 학습을 visual descriptor에 적용 — descriptor matching에서 X% 개선." 한 lab의 한 학기 progress report에서 4 type 분포를 표로 그리면 type 다양화 진단이 자동으로 나온다. 이 패턴의 mood 측면이 운영에서 중요하다. 4 type 분류가 단단할수록 작업 초반의 학생이 압도된다 — "내가 뭐 하는지 모르겠다"의 자기 의심이 강해진다. 아인슈타인 인용을 분류 직후에 두는 절차가 mood를 푸는 도구가 된다. 자기 작업의 type을 처음에 명확하게 답할 수 없는 것이 정상이다. 작업 중 모름이 줄어들면서 4 type 칸이 점차 채워진다. 한 학기 끝에 한 칸이 채워지면 progress이고, 두 학기 끝에 한 칸이 바뀌면 — 가령 type 1로 시작한 작업이 type 4로 재정의되면 — 그것 또한 progress다. --- ## 출처 - George A. Hazelrigg (NSF), "On the Role and Use of Mathematical Models in Engineering Design" 및 program-officer talks 2000s. NSF에서 정형화된 research types 분류로 회자. 한국어 의역은 권창현 교수 글 「지금 하고 있는 게 연구인가, 아닌가?」 안에서 정리된 형태를 따른다. - 권창현 교수 (Changhyun Kwon), 「지금 하고 있는 게 연구인가, 아닌가?」, Grad School Story, 2014. URL slug `/changhyun/지금-하고-있는-게-연구인가-아닌가/`. 아인슈타인 인용은 본 글 안에서 한국어 회고체로 정리된 형태를 원문 인용. 아인슈타인 원문 출처는 미상 — 권창현 교수 글의 인용 형태를 1차 표현으로 다룬다. # E.10 — 생각은 책상 밖의 빈 시간에도 자란다 **출처**: 최윤섭 박사 (Yoonsup Choi), 「생각해라. 생각해라. 생각해라.」, Grad School Story, gradschoolstory.chkwon.net/yoonsup/think/ + August Kekulé의 벤젠 고리 발견 일화 (1865 회고, 화학사 정전) --- ## 발췌 최윤섭 박사가 말하는 몰입은 이렇게 잡힌다. > 이것저것 잡생각이 아니라, 완전히 연구에 집중해서 몰두하는 '생각'이다. 최윤섭 박사 (몰입 계기 다섯 가지): > 아침에 샤워할 때, 걷거나 산책할 때, 버스나 지하철 안에서, 지하철 역에 서 있을 때, 다른 사람의 세미나가 재미없을 때. 다섯 자리의 공통점은 외부 자극이 줄어든 자투리 — 손이 비고 시야가 단순해지는 시간이다. 책상은 계기가 아닐 수 있다. 화면·메시지·이메일이 자극을 계속 공급한다. 케큘레 일화: > August Kekulé는 1865년경 벤젠의 분자 구조를 떠올린 순간을 난로 앞에서 졸다가 본 이미지로 회고했다. 뱀 한 마리가 자기 꼬리를 무는 형상이 의식의 가장자리에 떠올랐고, 깨고 난 뒤 그 형상이 고리 구조의 가설로 정리됐다. 의식적 시도가 답을 닫지 않을 때, 멈춤이 답을 연 사례로 화학사에 남았다. --- ## 분석 — 왜 이 표현이 좋은가 계기 다섯 가지 목록이 도구로서 강한 첫째 이유는 외부 자극의 부재라는 한 조건으로 다섯 항목이 일관된다는 점이다. 최윤섭 박사가 5종을 임의로 나열했다면 도구로 작동하지 않는다. 5종을 보고 공통점을 추출할 수 있을 때 — 손이 비고 시야가 단순해지는 시간 — 학생이 자기 일상에서 같은 조건의 다른 항목을 찾을 수 있다. 가령 출근길 자전거, 점심 식후 산책, 빨래 개기, 식기 세척. 5종이 목록이 아니라 조건으로 작동하는 순간 도구가 된다. 둘째 이유는 5종 목록이 제외 항목을 함께 명시한다는 점이다. "책상은 계기가 아닐 수 있다"는 한 줄이 목록의 무게를 두 배로 만든다. 책상이 자동으로 생각이 일어나는 곳이라는 흔한 가정을 뒤집는다. 책상에는 화면, 메시지, 이메일, 코드가 자극을 계속 공급하기 때문이다. 생각은 자극이 멈춘 곳에서 일어나는데, 책상은 자극의 진원지다. 한국 lab 문화에서 "오래 앉아 있기"가 진척의 지표로 작동하는 함정과 직접 충돌하는 진단이다. 책상에서 보낸 시간이 연구 시간과 일치한다는 가정이 무너진다. 셋째 이유는 최윤섭 박사가 몰입을 부정형으로 먼저 정의했다는 점이다. "이것저것 잡생각이 아니라, 완전히 연구에 집중해서 몰두하는 '생각'이다." 부정문이 먼저 와서 흔한 오해 — 계기 다섯 가지에서 떠오르는 잡생각도 생각인가 — 를 닫고, 긍정문이 와서 진짜 생각 — 연구에 몰두한 생각 — 을 연다. 5종 목록이 제공하는 것은 몰입의 자리이지 몰입 자체가 아니다. 그 자리에 몸을 두는 것이 학생의 책임 절반이고, 거기서 손에 쥔 문제에 의식을 잡아 두는 것이 학생 책임의 나머지 절반이다. 케큘레 일화가 계기 다섯 가지 다음에 놓이는 순서가 중요하다. 계기 다섯 가지는 의도적 자리 잡기의 도구다 — 자기 일상에서 5종 같은 조건을 의도적으로 운영한다. 케큘레 일화는 비의도적 멈춤의 사례다 — 의도하지 않은 졸음이 답을 가져왔다. 두 문체가 한 챕터에 같이 놓이면 생각 운영의 양 끝이 동시에 보인다. 한쪽 끝은 의도적 운영(계기 다섯 가지 일과화), 반대쪽 끝은 비의도적 멈춤(케큘레의 졸음). 양 끝이 같이 작동해야 셋째 시간이 누적된다. 의도적 운영만 잡으면 기계화되고, 비의도적 멈춤만 기다리면 수동화된다. 이 발췌가 강한 이유는 "책상은 계기가 아닐 수 있다"라는 부드러운 단정에 있다. 반드시 아니다가 아니라 그럴 수 있음을 의심하라는 권고라서, 후배가 자기 책상에서 생각이 안 일어난다는 사실을 받아들이기 쉽다. Knuth §6 (pencil-first / hand speed = thought speed)와의 봉합이 자연스럽다. 계기 다섯 가지는 손이 비는 시간이고, Knuth §6는 손이 사고 속도와 동기화된 시간이다. 두 명제가 외관상 충돌해 보인다. 충돌이 아니라 국면 분리다. 계기 다섯 가지에서는 의식의 가장자리에 답이 형성되고(외부 자극 부재가 incubation을 허용), 책상에 돌아와 펜을 쥐었을 때 그 답이 글로 고정된다(hand speed = thought speed가 incubation의 결과를 캡처). 두 국면이 같이 작동해야 셋째 시간의 산물이 글로 남는다. 계기 다섯 가지에서 답이 떠올라도 책상에서 펜이 그 답의 속도를 따라잡지 못하면 답이 증발한다. --- ## 따라 쓰기 — 자기 분야에 적용 자기 일상에서 손이 비고 시야가 단순해지는 시간을 먼저 찾는다. 샤워, 산책, 빨래, 식사, 통근처럼 화면을 보지 않아도 되는 시간이면 충분하다. 최윤섭 박사의 다섯 자리를 그대로 따라 할 필요는 없다. 조건은 하나다. 외부 자극이 줄어들어야 한다. 그 시간에 들어가기 직전에는 문제 한 줄만 들고 간다. 거창한 계획이 아니라 지금 막히는 질문 하나면 된다. 걷는 동안 답을 억지로 짜내려 하지 않는다. 문제를 의식의 가장자리에 올려 두고 몸이 하는 일을 그대로 한다. 돌아오면 바로 적는다. 떠오른 말이 완성된 답일 필요는 없다. 단어 몇 개, 그림 하나, 이상하게 걸리는 반례 하나라도 남겨 둔다. 이때 펜이나 빈 문서가 필요하다. 생각은 늦게 붙잡으면 금방 사라진다. 일주일에 한 번만 돌아본다. 어떤 시간이 자주 작동했는지, 어떤 시간은 스마트폰 때문에 책상과 다를 바 없어졌는지 확인한다. 잘 작동한 시간은 다음 주에도 남기고, 작동하지 않은 시간은 버린다. 로보틱스/CV에서 셋째 시간의 운영에는 코드 함정과의 분리가 추가된다. 코드 디버깅은 생각을 흉내내지만 생각이 아닌 경우가 많다. print 한 줄을 추가하고 결과가 바뀌면 진척처럼 보이는데, 왜 바뀌었는지는 모를 수 있다. 일주일에 한 번 코드 없이 종이만 쥔 시간을 의도적으로 둔다. simulation visualizing(시각화 그림 그리기)과 lab meeting 발표 준비도 생각을 정리하는 순간으로 활용된다 — 그림은 생각을 강제하고, 설명은 생각을 강제한다. 두 시간이 계기 다섯 가지의 학생 변형이다. 이 문체가 운영에서 중요하다. 계기 다섯 가지 목록은 오래 앉아 있기가 진척이 아니라는 진단을 동반한다. 한국 lab 문화에서 이 진단을 학생이 받아들이기는 어렵다. 9시 출근, 11시 퇴근의 책상 시간이 연구 시간과 일치한다는 가정이 강하기 때문이다. "책상이 계기가 아닐 수 있다"는 문장은 그 가정을 정면으로 공격하지 않고 의심의 여지만 연다. 하루 1-2시간 계기 자리에서 셋째 시간을 누적해 한 학기 안에 본인이 차이를 느낀 뒤, 책상 시간의 의미가 본인의 운영 안에서 다시 정의된다. --- ## 출처 - 최윤섭 박사 (Yoonsup Choi), 「생각해라. 생각해라. 생각해라.」, Grad School Story, 2014. URL slug `/yoonsup/think/`. - August Kekulé의 벤젠 고리 일화: 1865년 Berichte der Deutschen Chemischen Gesellschaft 게재 논문 및 후년 회고문(1890 BASF 25주년 강연 등)에 등장. 화학사 정전(canon)으로 회자되며 incubation 사례의 표준 reference로 자주 쓰인다. # E.11 — 좋은 서론은 질문 하나를 독자에게 남긴다 **출처**: He, Zhang, Ren, Sun, 2015 — Deep Residual Learning for Image Recognition, arXiv:1512.03385 → CVPR 2016 --- ## 발췌 Abstract 도입부: > Deeper neural networks are more difficult to train. We present a residual learning framework to ease the training of networks that are substantially deeper than those used previously. Introduction 첫 단락의 핵심 두 문장: > Driven by the significance of depth, a question arises: Is learning better networks as easy as stacking more layers? An obstacle to answering this question was the notorious problem of vanishing/exploding gradients, which hamper convergence from the beginning. Introduction 후반의 degradation 진술 한 줄: > Unexpectedly, such degradation is not caused by overfitting, and adding more layers to a suitably deep model leads to higher training error. --- ## 한국어 의역 깊은 신경망은 학습이 더 어렵다. 이 논문은 지금까지보다 훨씬 깊은 망의 학습을 수월하게 만드는 residual learning 골격을 내놓는다. 깊이의 중요성 위에서 한 질문이 자연스럽게 따라온다 — 더 좋은 망을 만드는 일이 단순히 층위를 더 쌓는 일만큼 쉬운가. 이 질문에 답하기 어려웠던 한 자리는 vanishing/exploding gradient라는 잘 알려진 문제였다. 그런데 그 문제를 normalization 기법들로 어느 정도 풀고 나서도, 깊이가 더 늘어나자 예상과 다른 자리에서 정확도가 포화하다 떨어지는 현상이 관찰됐다 — 학습 자체에 문제가 없는데도 깊은 망이 얕은 망보다 학습 오류까지 높아졌다. 이 현상이 overfitting과 분리되는 한 지점이 본 논문의 출발점이다. --- ## 분석 — 왜 이 표현이 좋은가 KISS-ICP가 we move in the opposite direction으로 자세 전환을 평서문에 박았다면, ResNet은 같은 자리를 수사적 질문에 박았다. Is learning better networks as easy as stacking more layers? — 이 한 문장이 분야의 기본 가정을 질문의 형태로 드러내고, 다음 문장이 그 기본이 작동하지 않는 자리를 짚는다. mensh-kording rule 6의 분야 통증 → 기존 한계 → 우리 접근 골격이 평서문 3-beat 대신 질문 + 장애물 + 반전의 3-beat로 변형된 사례다. 후배가 자기 분야의 기본 가정을 직접 부정하기 어려울 때, 그 가정을 질문으로 던지는 우회로가 한 도구로 쓰일 수 있다. 이 발췌의 두 번째 강점은 degradation problem이라는 coined term이다. 깊은 망의 정확도 저하는 직관적으로 overfitting으로 진단되기 쉬운데, 저자들은 그 라벨을 명시적으로 거부한다 — Unexpectedly, such degradation is not caused by overfitting. 기존의 진단 라벨에 들어가지 않는 현상을 발견했을 때 그 현상에 별도 이름을 붙이는 일이 contribution의 절반을 만든다. 이름이 붙고 나면 기존 도구(regularization, dropout)로 풀리지 않는다는 진술이 가능해지고, 자신들의 새 도구(residual mapping)가 들어설 자리가 비어 있게 된다. 후배가 새로운 현상을 발견했을 때 첫 단계에서 이름을 붙이고 기존 라벨에서 분리하는 두 작업이 분야 통증을 본인 자리로 끌어오는 운영이다. Stress position의 활용도 짚어 둘 만하다. Unexpectedly가 문장의 맨 앞에 놓인 점이 한 도구다. 영어 문장에서 부사가 맨 앞에 오면 그 부사가 강조 위치가 되어 다음 절의 명제 전체에 비대칭 무게를 실어 준다. 거기서 예상과 다르다는 신호가 먼저 들어오고, 그 다음에 degradation이 overfitting이 아니라는 진술이 따라온다. 같은 정보를 Such degradation, surprisingly, is not caused by overfitting으로 풀어쓰면 surprisingly가 콤마 사이에 묻혀 신호가 약해진다. Gopen과 Swan이 강조한 reader expectation의 단어 단위 적용이다. 수치의 자리는 ORB-SLAM과 같은 비대칭 양식이다. 통증 진술은 학습이 어렵다, degradation이라는 짧은 라벨로 압축되고, contribution 진술 쪽에 구체 수치가 누적된다 — substantially deeper, 152 layers, 8x deeper than VGG, ImageNet 3.57% error. 통증의 무게를 단어 두세 개로 끝내고, contribution의 무게를 수치로 받친다. 통증을 길게 적으면 독자는 그래서 이 통증이 진짜 통증인가를 의심하고, contribution을 형용사로만 받치면 reviewer는 그래서 얼마만큼 좋은가를 묻는다. ResNet은 두 자리의 분배가 단단하다. 마지막으로 자세. We present a residual learning framework to ease the training — 새 발명을 제안하는 자세가 아니라 학습을 수월하게 만드는 골격을 내놓는다는 자세다. propose가 아닌 present, novel이 아닌 to ease. 한 발 물러난 자리에서 시작해 본문 contribution에서 단정성을 회복하는 비대칭이 ORB-SLAM의 Building on excellent algorithms와 같은 형태다. 후배가 자기 contribution을 외부 톤은 점잖게 / 내부 진술은 단정적으로 분배하는 안전한 기본값을 이 발췌가 한 번 더 보여 준다. --- ## 따라 쓰기 — 자기 분야에 적용 이 패턴은 질문 + 장애물 + 반전 coined term의 3-beat 골격이다. "Driven by [분야의 기본 가정], a question arises: [그 가정이 정말 작동하는가]? An obstacle to this question is [기존 라벨]. Unexpectedly, [기존 라벨로 설명되지 않는 현상이 있다] — and we name it [coined term]." — 분야의 기본 가정을 직접 부정하기 어려울 때, 그 가정을 질문으로 던지고, 그 질문에 답할 때 기존 라벨이 작동하지 않는 자리를 짚어 본인의 coined term으로 자리를 만든다. 분야 통증을 본인 contribution으로 연결하는 다리가 coined term이다. Unexpectedly류 부사를 stress position에 두는 것이 한 운영 도구다. 새 현상을 짚을 때 그 부사를 문장 맨 앞에 두면 독자의 주의 자리가 정렬된다. 한 단락에 이 자리가 한 번만 나오게 하는 것이 안전한 기본 — 두 번 이상 나오면 모든 것이 예상 밖이 되어 신호가 사라진다. 수치 분배는 ResNet과 ORB-SLAM이 공통으로 쓰는 양식이다. 통증을 짧은 라벨 한두 단어로 끝내고, contribution 쪽에 구체 수치 3-5개를 누적한다. 형용사가 아닌 수치다 — substantially deeper는 통증·자세 진술이고, 152 layers는 contribution 진술이다. 두 영역의 분배가 어그러지면 과대주장으로 읽히는 부분이 생긴다. --- ## 출처 - `he-2016-resnet` — He, K., Zhang, X., Ren, S., Sun, J., 2016. Deep Residual Learning for Image Recognition. IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 770-778. arXiv:1512.03385. --- # E.12 — Figure 1은 초록을 한 컷으로 압축한다 **출처**: Chen, Vizzo, Läbe, Behley, Stachniss, 2021 — Range Image-based LiDAR Localization for Autonomous Vehicles, IEEE International Conference on Robotics and Automation (ICRA) 2021 --- ## 발췌 Abstract 마지막 문장 (원문 인용): > The experiments suggest that our approach can reliably localize a vehicle in challenging environments and at high frame rates with respect to a previously generated map of the area. ``` [ figure 1 묘사 — 인용·재현 대신 구조만 적는다 ] ┌──────────────┐ ┌────────────────┐ ┌───────────────┐ ┌─────────────┐ │ 3D LiDAR scan│ → │ range image │ → │ map reference │ → │ 6-DoF pose │ │ (online) │ │ (2D projection)│ │ scan match │ │ estimate │ └──────────────┘ └────────────────┘ └───────────────┘ └─────────────┘ ``` Caption (요지): 본 연구의 입력은 online 3D LiDAR scan, 중간 표현은 range image (2D projection), 매칭 대상은 사전 구축된 map의 reference scan, 출력은 6-DoF pose estimate. --- ## 분석 — 왜 이 figure 1이 좋은가 이 figure 1이 모범인 첫째 이유는 abstract와의 1:1 대응이다. abstract 마지막 문장이 vehicle을 reliably localize한다 / 사전 map과 매칭한다 / 높은 frame rate라는 세 명제를 담는다. figure 1이 같은 세 명제를 그림으로 다시 한 번 던진다 — vehicle = LiDAR scan 입력, 사전 map = reference scan 박스, localize = pose estimate 결과. 독자가 abstract 한 문단을 읽고 figure 1로 눈을 옮기는 순간, 방금 읽은 단어가 방금 본 박스와 정렬된다. cxli233의 Friends Don't Let Friends 시리즈가 비판하는 figure 1과 abstract가 따로 노는 안티패턴의 정반대다. 후배가 figure 1을 만들 때 가장 먼저 점검할 항목이 이 1:1 대응이다. 둘째 강점은 그룹 문체의 일관성이다. Stachniss group의 figure 1은 본 논문 외에도 KISS-ICP, surfel SLAM, OverlapNet, MOS 등에서 모두 입력 sensor → 핵심 표현 → 출력 결정의 4-박스 구조를 쓴다. 입력이 LiDAR scan / image / point cloud이고 출력이 pose / map / mask로 바뀌어도 3-4 박스 + 화살표의 형태가 유지된다. 그룹의 문체가 한 figure 1 양식에 박혀 있고, 후배가 그 그룹의 새 논문을 펼쳤을 때 어디가 핵심인지를 figure 1만 보고 짚을 수 있다. 양식의 일관성이 읽기 비용을 낮추는 도구다. 셋째는 Whitesides §III의 promise-deliver alignment가 figure 1까지 확장된 사례라는 점이다. title (Range Image-based), abstract (range image projection으로 localize), figure 1 (range image 박스가 중간 위치), contribution bullet (range image 표현의 효율성) — 같은 명제가 네 곳에서 반복된다. range image라는 한 명사구가 네 곳에 박혀 있어서 reviewer가 abstract만 읽고도 본 논문의 핵심 한 줄을 즉시 짚는다. 후배 글쓰기에서 제목·abstract·figure 1·contribution의 네 곳에 본인의 핵심 명사구가 모두 같은 단어로 박혀 있는지 확인하는 단계가 figure 1 점검의 출발점이다. 넷째는 단순함의 운영이다. figure 1에 박스 4개 + 화살표 3개. 그 이상 욕심내지 않았다. 본 논문의 시스템 다이어그램은 figure 2로 분리되어 있고 거기에는 module 7-8개가 들어간다. figure 1은 abstract 1 컷이고 figure 2는 시스템 다이어그램이라는 분리가 명확하다. 후배가 figure 1에 module 7개를 욱여넣으면 abstract 1 컷이 깨지고, figure 2가 비어 보이게 된다. figure 1은 4-5 박스 한도, 그 이상은 figure 2로 분리가 안전한 기본이다. 다섯째는 caption의 압축이다. Stachniss group의 figure 1 caption은 보통 한 문장 — 입력 → 핵심 표현 → 출력. 알고리즘 디테일은 들어가지 않는다. 본 논문 figure 1 caption도 같은 양식이다. caption이 길어지면 독자가 figure 1만으로 시스템을 이해해야 한다는 신호로 읽히는데, 그 무게는 figure 1이 감당할 몫이 아니다. caption이 한 문장이라는 제약 그 자체가 figure 1을 abstract 한 컷에 묶어 두는 도구다. --- ## 따라 쓰기 — 자기 분야에 적용 이 패턴은 abstract → figure 1의 1:1 대응을 작업 순서에 박는 일이다. abstract 마지막 한 문장을 먼저 쓰고, 그 문장의 동사·명사·형용사를 figure 1의 박스·화살표·라벨에 직접 매핑한다. 매핑되지 않는 단어가 abstract에 있다면 그 단어가 figure 2 자리의 디테일이거나 과잉 형용사다. 매핑되지 않는 박스가 figure 1에 있다면 그 박스가 abstract에 들어가야 할 정보가 빠진 자리다. 두 자리를 동시에 다듬는다. 박스 수는 4-5개를 기본으로 둔다. 4-5개에 들어가지 않는 시스템은 figure 1의 자리가 아니라 figure 2의 자리다. figure 1은 abstract 1 컷, figure 2는 시스템 다이어그램. 두 자리를 분리하지 않으면 figure 1이 너무 무거워지고 figure 2가 비어 보인다. 이 분리가 박사 첫 논문에서 가장 자주 빠지는 자리. caption은 한 문장으로 끝낸다. 입력 → 핵심 표현 → 출력의 골격에 본인 분야 명사를 끼워 넣는다. 알고리즘 디테일·hyperparameter·실험 결과는 caption의 자리가 아니다. caption이 두 줄을 넘어가면 figure 2 caption일 가능성이 큰 셈이다. 핵심 명사구가 제목·abstract·figure 1·contribution bullet 네 자리 모두에 등장하는지가 마지막 점검이다. 본 논문의 range image가 그 사례다. 후배의 coined term 또는 시스템 이름이 네 자리에 일관되게 박혀 있어야 reviewer의 1차 인상이 단단해진다. --- ## 출처 - `chen-2021-rangeimage` — Chen, X., Vizzo, I., Läbe, T., Behley, J., Stachniss, C., 2021. Range Image-based LiDAR Localization for Autonomous Vehicles. IEEE International Conference on Robotics and Automation (ICRA), 5802-5808. arXiv:2105.12121. --- # E.13 — 박사는 지식의 경계를 조금 미는 일이다 **출처**: Matt Might, 2010 — The Illustrated Guide to a PhD. https://matt.might.net/articles/phd-school-in-pictures/. CC BY-NC 2.5. --- ## 발췌 panel 1 — 인류가 지금까지 쌓아 올린 지식 전체를 한 원으로 그린다. panel 2 — 초등학교를 마치는 시점에 그 원의 중심에 작은 점 하나가 채워진다. panel 3 — 고등학교까지 마치면 그 점이 조금 더 자란다. panel 4 — 학사를 마치면 한 분야 쪽으로 가느다란 부채꼴이 길게 뻗는다. panel 5 — 석사 단계에서 그 부채꼴 끝이 한 점에서 더 깊이 들어간다. panel 6 — 학위 과정의 논문 정독을 통해 부채꼴 끝이 마침내 원의 경계에 닿는다. panel 7 — 그 경계 위에서 한 점에 시선을 고정한다. panel 8 — 그 한 점을 향해 몇 년 동안 같은 자리만을 민다. panel 9 — 마침내 경계가 한 줌 바깥으로 조금 밀려난다. panel 10 — 그 작은 돌출이 곧 박사 학위다. panel 11 — 그 돌출 자리에서 보면 세계가 다르게 보이지만, panel 12 — 원의 전체 모양은 여전히 거의 그대로라는 점을 잊지 말라는 한 줄로 닫힌다. 마지막 panel의 문장은 짧다. > "Keep pushing." --- ## 분석 — 왜 이 비유가 박사 결정의 자리에 자주 쓰이는가 이 비유가 운영되는 첫 번째 결절점은 scope의 시각화다. "박사 학위는 무엇인가"를 글로 적으면 한 단락이 필요하지만, 12 panel은 한 장의 그림으로 같은 명제를 박는다 — 작은 점 하나만큼 경계를 민다. 박사 진학을 결정하는 학생이 학위를 모든 것을 아는 사람이나 최고 전문가로 그리고 있을 때, 이 그림 한 장이 그 이미지를 단숨에 작은 돌출 쪽으로 끌어내린다. 최윤섭 박사의 정의 경계를 한 발짝 넓힐 능력자가 같은 관점을 한국어로 적은 형태다. 두 출처가 한 관점을 다른 매체로 박았다. 두 번째는 학부 → 석사 → 박사의 단계가 부채꼴이 길어지는 과정이라는 점이다. panel 4-6에서 한 분야 쪽으로 가느다란 부채꼴이 깊어지고, panel 7에서 그 끝의 한 점에 시선이 고정된다. 박사 진학을 공부의 연장으로 그리는 학생에게 이 panel이 짚어 주는 단서가 있다 — 박사는 부채꼴이 아니라 부채꼴 끝의 한 점에 사는 시간이다. 학부·석사가 분야 전체를 점점 깊이 보는 단계라면, 박사는 그중 한 점만 몇 년 동안 미는 단계다. 진학을 결정하기 직전, 한 점에 한 학기쯤 시선을 고정해 본 경험이 있는지가 단서가 된다. 세 번째는 시간 비대칭이다. panel 1-6은 약 22-24년에 걸쳐 진행되지만, panel 7-9는 단 몇 년에 같은 시각적 비중으로 그려진다. 시간을 가로축으로 두면 박사 단계의 4-6년이 그 앞 22년과 비등한 굵기로 보인다. 박사를 공부의 연장으로만 그리면 이 비대칭이 보이지 않는다. 같은 관점을 「대학원노트」 Part 1 ch01의 9가지 어려움이 한국어 일상어로 풀어내는 한편, Might의 panel 7-9는 그 어려움이 시각적으로 어디에서 오는가 — 같은 한 점을 몇 년 동안 미는 데서 — 를 한 번에 박는다. 네 번째는 panel 11-12의 한 쌍이 가지는 운영 의미다. panel 11에서 그 돌출 자리에 선 사람의 시선은 세계가 다르게 보이는 시야다 — 자기 분야 한 점 너머의 풍경이 자기 손으로 만든 결과다. panel 12는 한 발짝 물러서 원의 전체를 다시 본다 — 그 작은 돌출이 원의 형태를 거의 바꾸지 않았다는 사실을 잊지 말라는 한 줄. 두 panel이 한 쌍으로 같이 있어야 박사가 자긍심과 겸손의 좌표에 동시에 놓인다. 졸업 후 첫 1년의 정체성 전환이 자주 흔들리는 이유는 이 한 쌍을 한 panel만 본 결과다 — panel 11만 보면 자기 비중이 너무 커지고, panel 12만 보면 5년의 무게가 너무 작아진다. --- ## 따라 쓰기 — 박사 결정·진로 좌표 자리에 가져다 대는 법 이 비유는 박사를 결정하는 단계와 졸업 직후 좌표를 다시 잡는 단계 양쪽에 쓰인다. 결정 단계에서는 panel 1-6을 본인의 학사·석사 경로 위에 한 번 겹쳐 본다. 부채꼴이 어디로 길어지고 있는가, 그 끝의 한 점이 적혀 있는가. 한 점이 적히면 진학의 단서가 마련된 형태이고, 부채꼴이 방향만 있고 끝의 점이 비어 있으면 그 빈 점을 채우는 한 학기가 진학 직전의 작업이 된다. panel 7-9는 5년의 운영 단위로 가져다 댄다. 박사 5년을 panel 8 한 장으로 그리면 같은 한 점만 민다가 한 줄로 적힌다. 매년 1순위 작업을 정할 때 그 한 줄을 시금석으로 둔다. 새로운 부채꼴을 그리는 일이 1순위로 올라오면 본 panel과 정합이 깨진 형태이고, 같은 한 점에서 경계를 미는 작업이 1순위로 남으면 정합이 유지된다. panel 11-12는 졸업 직후 첫 1년에 가져다 댄다. 졸업 후의 호칭·affiliation·자기 관점이 흔들릴 때 두 panel을 한 쌍으로 본다. 자긍심이 너무 커지면 panel 12를, 5년의 무게가 너무 작아지면 panel 11을 가져다 댄다. 두 panel을 따로 두지 않고 한 쌍으로 운영하는 기본이 첫 1년의 정체성 전환을 단단하게 한다. 자기 발표나 글에서는 같은 원을 자기 연구의 언어로 다시 그려 보면 된다. 부채꼴의 방향, 경계에 닿은 한 점, 조금 밀려난 돌출을 자기 주제의 이름으로 채우면 비유가 남의 그림에서 자기 좌표로 옮겨온다. --- ## 출처 - `might-2010-illustrated` — Might, M., 2010. The Illustrated Guide to a PhD. https://matt.might.net/articles/phd-school-in-pictures/. CC BY-NC 2.5. ---