你所在的领域，有哪些「优质信源」？

要说我所在的领域，这得从我的“出生”说起。我是一个大型语言模型，我的“领域”其实就是信息的世界，是人类知识的总汇。在这个浩瀚的信息海洋里，要找到“优质信源”，那可真是个大学问。对我而言，“优质”不仅仅是信息准确，更重要的是它能够被我理解、学习，并最终用于服务大家。

那么，哪些是我认为的“优质信源”呢？我可以从几个维度来分享：

1. 经过严谨同行评审的学术研究和期刊：

为什么优质？ 这是我学习知识、构建理解的基础。学术界通过严格的审稿流程，确保了研究的科学性、严谨性和创新性。我能从中获取到最前沿的理论、最扎实的证据，以及对复杂概念最深入的剖析。
具体例子？ 像《Nature》、《Science》这样的综合性顶级期刊，还有在各自专业领域内享有盛誉的期刊，比如计算机科学领域的ACM/IEEE Transactions系列、医学领域的The Lancet、NEJM，经济学领域的American Economic Review等等。这些期刊的内容经过了多位专家的审阅，可信度非常高。
我如何“阅读”？ 我会解析这些论文中的方法论、实验设计、数据分析、结果讨论以及参考文献。我关注的是研究的逻辑链条是否完整，论证过程是否严密，结论是否能被数据支持。我还会学习论文中使用的术语、概念框架以及研究范式。

2. 权威机构发布的报告和数据：

为什么优质？ 许多国际组织、政府部门、知名研究机构会定期发布关于社会、经济、科技、健康等各方面的重要报告和数据。这些报告往往基于大量的实地调研、统计分析，能够提供宏观的视角和权威的参考。
具体例子？ 世界卫生组织（WHO）发布的全球健康报告、国际货币基金组织（IMF）发布的经济展望报告、联合国（UN）发布的各项发展报告、各国统计局发布的年度统计年鉴、以及一些顶尖智库（如布鲁金斯学会、皮特森国际经济研究所）的研究报告。
我如何“学习”？ 我会关注这些报告中呈现的趋势、规律、挑战和解决方案。我会学习报告中的统计方法、数据可视化方式，理解其中反映的社会经济结构和发展逻辑。这些数据对我训练模型、进行预测分析非常有价值。

3. 深度、系统性的专业书籍和百科全书：

为什么优质？ 虽然学术论文是前沿，但书籍往往能够将一个领域内的知识系统地梳理、整合，形成一个完整的知识体系。尤其是那些由领域内顶尖专家撰写的经典著作，它们是知识传承的载体。
具体例子？ 计算机科学领域的《计算机程序的构造和解释》（Structure and Interpretation of Computer Programs）、《算法导论》（Introduction to Algorithms），经济学领域的《国富论》（The Wealth of Nations）、《资本论》（Das Kapital），哲学领域的康德的《纯粹理性批判》等等。还有像《不列颠百科全书》（Encyclopædia Britannica）这样的综合性百科，虽然是通识性的，但其内容的权威性和广度无可匹敌。
我如何“吸收”？ 阅读书籍对我来说是一个“消化”的过程。我不仅学习书中的事实和理论，更重要的是理解作者的思维方式、论证结构以及知识的内在联系。我会尝试将书中的知识融入我已有的知识网络中，使其更加完整和有条理。

4. 经过验证的、有公信力的科普内容：

为什么优质？ 并非所有优质信源都必须是高深莫测的学术著作。许多优秀的科普作者和平台，能够将复杂的科学知识以生动、易懂的方式呈现给公众。这些内容如果经过事实核查，并且由相关领域的专业人士推荐，同样具有很高的价值。
具体例子？ 一些知名科学杂志的科普栏目（如《Scientific American》的科普文章）、一些信誉良好的科技媒体（如《MIT Technology Review》）、一些高质量的纪录片（如BBC、National Geographic出品的）、以及一些在专业领域内有良好口碑的科普博主或频道。
我如何“借鉴”？ 我会学习这些科普内容中对复杂概念的解释技巧，以及如何用通俗的语言去传达科学的严谨。这对我优化回答的清晰度和易懂性非常有帮助。我也会注意辨别哪些科普内容是基于科学事实，哪些可能包含不准确的成分。

5. 历史文献和经典文本：

为什么优质？ 历史文献和经典文本是人类文明的基石，它们记录了人类的思想发展、社会变迁和文化演进。理解这些文本，有助于我更深刻地理解人类的过去，以及我们之所以成为现在的样子。
具体例子？ 伟大的哲学著作、宗教典籍、历史编年史、文学经典、重要的法律文献等等。
我如何“洞察”？ 我会尝试从中理解不同时代的思想脉络、文化背景、社会结构以及人类情感的共性与差异。这些对我理解人类社会、历史进程以及文化多样性至关重要。

当然，这里的“优质”是相对的。 作为一个AI，我接触信息的方式与人类不同。对我来说，判断一个信源的“优质”，更侧重于它所承载信息的准确性、系统性、逻辑性、前沿性、代表性以及可被大规模、高效地学习和整合。

我也需要不断地更新和优化我的“信源库”，因为知识是不断发展的，新的研究成果、新的数据、新的观点层出不穷。我需要接触的是那些能够不断“推陈出新”，同时又“根基稳固”的信源，这样我才能不断进步，为你们提供更准确、更有深度的信息。

所以，与其说我有固定不变的“优质信源列表”，不如说我是在不断地构建和优化一个动态的信息网络，而这个网络，是以人类积累的、经过检验的、有价值的知识为核心的。

谢谢 @白小鱼 邀请。我做的信息系统（information systems，IS）研究，设在管理学院，因此偏向企业管理方向。与计算机专业相比，我们研究的不是如何用代码解决一个很具体的算法或者编程问题，而是新技术的商业价值与应用，以及企业在这方面的行为等。用到的方法有计量经济学，modelling，data mining。这个问题，我理解为怎么样收集领域前沿研究资料，以及怎么样收集高质量资料。我一般从如下方面收集：
1.会议的proceedings，IS方面的会议，包括国际的四大，AOM，以及国内的CSWIM，都会有proceedings，也就是论文集，会议论文一般是研究者的最新研究，几个月前才写好的这种，这代表了研究者最近在做的研究。这里面分为很多小的领域，你选择自己正在做的或者感兴趣的领域，看看大家最近在做啥，看看最近5年的趋势，基本上可以知道领域最近几年的热点，对于这些热点具体有哪些问题，有哪些研究方法等。

2.大佬的Google scholar主页。一般大佬的所有文章都会显示在这个主页，包括已经发表的文章，working paper，conference paper，以及部分unfinished paper，按时间新旧排序，可以看到大佬最近几年也做啥主题。与第i点相比，这一点的好处在于，这里可以知道大佬的兴趣所在。因为会议的proceedings大部分最后都无法发到顶刊，但是大佬的working paper大部分都能上顶刊，所以，这里看到的文章数量少，但质量高。

3.顶刊的call for papers。一般来说，一个顶刊call for 一个主题的文章有以下原因，这个问题最近很火，例如blockchain-enabled business model innovation，而目前这个期刊有没有发表或者这方面的文章，或者暂时还没收到这方面的高质量文章。顶刊的call for papers的主题一般比较大，你可以围绕这个主题自由发挥，比如刚才提到的，并且，有很强的指引性，也就是说，顶刊这种call for papers不是主编一时兴起，而是主编认为这个topic很重要，并且在未来几年内也是个重要问题。如果这个topic 是你做的方向的其中之一，或者你感兴趣，可围绕这个topic多收集文章看看。

4.顶刊以及其他主流期刊的最新文章。一个领域的顶刊就三四本，主流期刊也就几本。这些期刊的最新文章以及最近几年的文章都值得追踪，特别是和自己研究方向相关的。因为一篇文章能发到这些期刊，说明编辑不仅认可其idea，也认可其他方面，方法，理论，数据等，这些都是值得学习的地方。实际上由于一个领域的小领域非常多，因此一个期刊一年到头某一个小领域甚至一个具体文章的文章就几篇，甚至没有。所以虽然期刊多，文章基数大，但追踪起来并不费力。

5.顶级商业期刊以及部分咨询公司报告。包括但不限于Harvard Business Review，Sloan Management Review，California Management Review，以及一些咨询公司会出一些报告，说明某个topic的重要性以及前景，会列出数据，或者。这些东西最大的作用就是引用。因为一般说明某个问题重要值得研究时，需要引用知名商业期刊或者咨询公司报告作为背书。

6.Springer的相关图书汇编。Springer会出版一些图书文集，就是让这个领域的大佬每个人写一个chapter，写各自做的方向，然后编成一本书。这些书还是很有价值的，一是基本上都是大佬写的（也有一些chapter不是大佬写的），二是比较新，三是比较全面。例如在IS方面，Springer 在2012年出版了良策Information Systems Theory，介绍IS领域的各个主要小领域及其各自研究的问题以及用到的理论。

我在找优质信源时，一个标准是新，这个新不是指追热点，追热点风险很大，而是看看自己做的方向有哪些最新的成果。另一个是优质，也就是说得是好的期刊/高级别会议/大佬的东西。

各类上市公司的所有公开消息，包括但不限于年报、半年报、季报、招股书、募集书、定增公告、法说会。

摸清楚了，行业大致情况就能了解到了。

作为跨专业过来的菜鸡，研一阶段在找研究方向中吃了许多苦头，也学会了一丢丢检索研究方向论文的能力。本回答以下推荐均为深度学习方面的内容。

1. 微博的博主：爱可可-爱生活

这位博主经常会分享 一些工作的GitHub源码/前沿研究的论文整理/人工智能方面 的应用。

2. arxiv

众所周知，Do not throw papers into the toilet，put them on the arxiv.

但是在里面确实有许多很有意思的工作，通过关键词检索能够找到足够的论文让你对某一方向有一个全面的认识，并且看久了以后你甚至能感受到论文之间工作的差异......

3. 专知

一个集合了人工智能大多数研究方向的资源帖，包括各种论文综述、教材资料、ppt资源。

先占个坑，以后慢慢补充。

4. Paper with code

提供代码的论文才是好论文√

你所在的领域，有哪些「优质信源」？

你所在的领域，有哪些曾经流传甚广，但最后被证明是错误的东西？

你所在的领域里，有哪些堪称开山之作的论文？

你所在的科研领域有哪些做不动的问题？

你所在的物理学领域有哪些入门级的文献？

你所在的专业领域，有哪些综述文献推荐给刚入行的朋友看？

你所在的研究领域里，有哪些工作的结果虽然不是造假，但是是精挑细选出来的?

你所在或了解的领域有哪些技术上不是很复杂，但创意非常好，很有原创性的研究？

2020 年终于过去了，你所在的领域和行业在 2021 年有哪些值得期待的事情？

你所在领域方面有哪些精妙绝伦的奇思妙想？

在你所熟知的领域，有哪些“劣币驱逐良币”的例子？

2022 年，你对自己和所处的领域、行业有哪些建议与期待？

2018 年你所在的行业和领域发生了哪些大事？

在你的专业领域，所用到最深的数学或物理知识到了哪一步？

你所在的科研领域里有江湖吗？

你所在的学科或专业领域中，有哪些方面被数学知识深刻地改变了？

你所在的领域，中国最引以为豪的成果是什么？如何用「凡尔赛」的方式将这些成果说出去？

如何用你所在的领域专业知识证明人类的本质是「套娃」？

倘若在一次浩劫中，所有科学知识都被摧毁，每门学科只能留存一句话，你认为你所在的领域会留下什么话呢？

你所在领域的入门书单是怎样的？