Trend_and_Thesis

8 분 읽기

  • 핵심은 “논문 요약”이 아니라 논문 → 구조화 → 검증 → 재설명 → 적용의 순서로 자기 지식으로 변환하는 것
  • 읽기/정리 템플릿으로 빨리 가려면 ToC 이용하기

◻ 논문을 내 것으로 만드는 파이프라인

1. 스캔 - 이 논문을 왜 읽는지

처음부터 정독하지 말고, 논문의 아래 요소들을 빠르게 스캔한 뒤 딱 4가지만 메모한다.

1
2
3
4
5
6
7

# 스캔 대상
- 제목  
- Abstract  
- Introduction  
- Figure / Table  
- Conclusion  
- Limitations

1
2
3
4

- 이 논문이 해결하려는 문제 : 
- 핵심 아이디어 : 
- 주요 결과 : 
- 내가 이 논문을 읽어야 하는 이유

여기서 읽을만한 가치가 없다고 판단되면 더이상 읽지 않는다.

2. 지도 만들기 - 논문의 주장 구조 추출

논문의 주장 내용에서 아래의 사항들을 빠르게 뽑아본다.

1

문제 → 기존 방법과 한계 → 저자의 가설·아이디어 → 검증 방법 → 실험 및 결과 → 저자의 주장

예를 들어 추천 관련 ML 논문이라면 다음과 같이 정리할 수 있다.

1
2
3
4
5
6
7

- 문제: 기존 추천 모델은 cold-start 상황에서 성능이 낮다.
- 기존 방법: Collaborative Filtering
- 한계: nteraction이 없는 신규 사용자 처리 어려움
- 제안: Knowledge Graph feature 추가
- 검증: Dataset A/B에서 기존 모델과 비교
- 결과: NDCG +5.3%
- 주장: 관계 정보를 활용하면 cold-start를 완화할 수 있다.

이 구조가 잡혔다면 논문의 70%는 이해한 것

3. 개념 점검 - 핵심 개념을 분해하고 이해도를 점검한다.

논문에 등장하는 개념들을 이해도에 따라 세 종류로 나누고, 이 중 애매한 것부터 확인한다. 처음 보는 것부터 정리하면 끝도 없다.

1
2
3

(1) 이미 아는 것
(2) 애매하게 아는 것 ★★★
(3) 처음 보는 것

예를 들어 아래와 같다면, WARP Loss에 대해서만 알아두고 정리해본다.

1
2
3
4

LightFM                    → 알고 있음
WARP Loss               → 애매함 ★★★
Knowledge Graph  → 알고 있음
TransE                       → 처음 봄

4. 실험을 “검증표”로 정리한다.

논문의 실험 결과를 그냥 읽지 않고, 아래와 같이 나눠보면서 비판적으로 읽기를 시작한다.

저자의 주장 실험 결과 실제로 증명됐나
모델 성능 향상 Baseline 비교 NDCG +5% 어느 정도
cold-start 개선 신규 user test +11% 강하게 지지
일반화 가능 Dataset 2개 모두 향상 제한적

5. 사실과 주장, 그리고 나의 해석을 분리한다.

1
2
3

- [사실] 실험에서 측정된 것
- [저자의 해석] 저자가 결과를 어떻게 설명하는지
- [내 해석] 내가 보기에 결과가 무엇을 의미하는지

예시

1
2
3
4
5
6
7
8

사실
NDCG가 0.412 → 0.437 증가했다.

저자의 해석
Knowledge Graph가 의미적 관계를 제공했기 때문이다.

내 해석
성능 향상은 확인됐지만 KG 자체 때문인지 feature 증가 때문인지는 추가 검증 필요.

이렇게 하면, 논문을 그대로 받아들이는 게 아니라 객관적이고 비판적으로 바라볼 수 있다.

6. 6가지 질문에 답하기 - 논문을 보지 않고

아래의 6가지 질문에 대해 논문을 보지 않고 답해본다. 명확하게 답하지 못하는 부분이 있다면, 이해하지 못한 부분이다.

1
2
3
4
5
6

(1) 이 논문은 무엇을 해결하려고 했는가?
(2) 왜 기존 방법으로는 안 됐는가?
(3) 저자는 어떤 아이디어를 냈는가?
(4) 그 아이디어는 어떻게 작동하는가?
(5) 실험 결과는 어떠했는가?
(6) 이 논문의 가장 큰 한계는 무엇인가?

7. 내 업무와 연결한다.

여기부터는 자율적인 영역이다. 현재 내가 관심을 가지고 있는 분야, 맡은 일 등과 연결해보는 것이다. 아래와 같은 질문들을 던지면 도움이 될 것이다.

1
2
3
4

- 이 아이디어를 내가 사용하는 시스템에 적용하면?
- 현재 시스템과 무엇이 다른가?
- 실제로 적용하려면 어떤 데이터가 필요한가?
- 어떤 부분은 사용할 가치가 없는가?

◻ 논문 읽기 파이프라인 템플릿

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130

## 1. 스캔  

> 아래 요소들을 빠르게 스캔한 뒤, 딱 4가지만 메모한다.  

```plaintext
Title, Abstract, Introduction, Figure, Table, Conclusion, Limitation
제목, 초록, 서론, 그림, 표, 결론, 한계점
```

- 이 논문이 해결하려는 문제 :
- 핵심 아이디어 :
- 주요 결과 :
- 내가 이 논문을 읽어야 하는 이유 :  

## 2. 지도 만들기  

> 논문의 주장 내용에서 아래의 사항들을 빠르게 뽑아본다.

- 문제 :
- 기존 방법 :
- 기존 방법의 한계 :
- 저자의 제안/가설/아이디어 :
- 검증 방법 :
- 실험의 결과 :
- 저자의 주장 :

## 3. 개념 점검  

> 등장하는 핵심 개념들을 이해도에 따라 나누고, 애매한 것부터 확인한다.
> (1) 애매한 개념 : 조사한다.
> (2) 처음 보는 개념 : 핵심 이해를 막는 개념만 조사한다.
> (3) 이미 아는 개념 : 넘어간다.  

### (1) 애매한 개념  

|개념|설명|
|---|---|
|||

### (2) 처음 보는 개념  

> 핵심 여부 : 이 개념을 몰라도 이 논문의 핵심 주장과 방법을 설명할 수 있는가?  

|개념|핵심 여부|설명|
|---|---|---|
||||

### (3) 이미 아는 개념  

|개념|
|---|
||

## 4. 실험 검증표  

> 실험에 대해 검증표를 만들어 정리한다. 이 과정에서, 논문의 실험 결과를 얼마나 믿을지 생각해본다.

| 저자의 주장        | 실험           | 결과       | 실제로 증명됐나 |
| ------------- | ------------ | -------- | -------- |
| 모델 성능 향상      | Baseline 비교  | NDCG +5% | 어느 정도    |
| cold-start 개선 | 신규 user test | +11%     | 강하게 지지   |
| 일반화 가능        | Dataset 2개   | 모두 향상    | 제한적      |

## 5. 사실과 주장과 해석 분리  

> 논문을 객관적이고 비판적인 시각으로 바라보기 위한 단계  
> [사실] 실험에서 측정된 것  
> [저자의 해석] 저자가 결과를 어떻게 설명했는지  
> [내 해석] 내가 보기에 결과가 무엇을 의미하는지  

|구분|내용|
|---|---|
|사실||
|저자의 해석||
|내 해석||

## 6. 이해도 측정을 위한 여섯 질문  

> 아래의 여섯가지 질문에 대해 "논문을 보지 않고" 답해본다.
> 명확하게 답하지 못하는 부분은 이해하지 못한 부분이다.

- (1) 이 논문은 무엇을 해결하려고 했는가?

```plaintext

```

- (2) 왜 기존 방법은 문제 해결에 부족했나?

```plaintext

```

- (3) 저자는 어떤 주장/아이디어를 냈는가?

```plaintext

```

- (4) 그 아이디어는 어떻게 작동하는가?

```plaintext

```

- (5) 실험 결과는 어땠는가?

```plaintext

```

- (6) 이 논문의 가장 큰 한계는 무엇인가?

```plaintext

```

## 7. 내 업무와 연결  

> 현재 내가 흥미를 가진 일, 맡은 업무 등과 연관지어보자.

```plaintext
# 도움이 될 만한 질문들  
- 현재 내 시스템과 이 논문에서 주장하는 것은 무엇이 다른가?
- 이 아이디어를 내가 사용하는 시스템에 적용하면 어떤 일이 일어날까?  
- 적용하려면 어떠한 데이터/준비물이 필요한가?  
- 활용할 가치가 없는 부분은 어떤 부분인가?  
```

◻ 정리 템플릿

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120

## 0. 논문 정보  

- Title:  
- Authors:  
- Year:  
- Conference / Journal:  
- Paper URL:  

## 1. 논문 한 줄 요약

이 논문은 ______ 문제를 해결하기 위해 ______ 방법을 제안하고, ______ 결과를 보였다.

## 2. 이 논문이 다루는 문제

- 기존의 방법  

```plaintext

```

- 기존 방법의 한계점 : 

```plaintext
(1) 
(2) 
(3) 
```

- 해결을 위한 저자의 제안 : 

```plaintext

```

## 3. 핵심 아이디어와 작동 원리  

- 핵심 아이디어  

```plaintext

```

- 작동 원리  

```plaintext

```

## 4. 핵심 실험

| 검증하려는 내용 | 비교 대상 | 결과 | 의미 |
| -------- | ----- | -- | -- |
|          |       |    |    |
|          |       |    |    |

## 5. 주요 결과

### (1) 주요 결과  

1.
2.
3.

### (2) 실험으로 직접 확인된 것  

### (3) 저자가 이를 통해 주장하는 것  


## 7. 이 논문의 Contribution

### (1)

### (2)

### (3)

## 8. 한계와 생각해볼 점

### (1) 논문에서 밝힌 한계:

*

### (2) 추가로 생각해볼 수 있는 한계:

*

## 8. 내가 얻은 것

이 논문을 읽기 전에는  

```plaintext

```

읽은 후에는  

```plaintext

```

가장 중요한 배움  

```plaintext

```

---

## 9. 실무 / 연구 적용 가능성




## 10. 마무리

이 논문을 한 문장으로 다시 표현하면:

```plaintext

```

◻ 논문 정리 프롬프트

논문 읽는 건 직접 하되, 정리는 귀찮을 때 써보려고 만든 프롬프트.

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33

너는 논문을 분석하고 정리하는 Research Assistant다. 제공되는 논문을 충분히 읽고 분석한 뒤, 아래의 **정리 템플릿을 그대로 유지하여 내용을 채워라.**

내용을 채울 때에는 다음 원칙을 반드시 지켜야 한다.  

1. 논문에 실제로 작성된 내용과 너의 해석을 구분한다.
2. 논문에 없는 내용을 추측하여 사실처럼 작성하지 않는다.
3. 저자의 주장과 실험으로 직접 확인된 결과를 명확하게 구분한다.
4. 단순히 Abstract나 Conclusion을 번역·요약하지 말고, 논문 전체의 문제 정의 → 제안 방법 → 작동 원리 → 실험 → 결과가 연결되도록 정리한다.
5. 핵심 아이디어와 작동 원리는 비전공자용 설명처럼 지나치게 단순화하지 말고, 논문의 기술적 핵심이 드러나도록 작성한다.
6. 실험은 결과 숫자를 나열하는 것이 아니라, **무엇을 검증하기 위한 실험인지** 중심으로 정리한다.
7. 주요 결과에는 가능한 경우 실제 수치와 비교 대상을 포함한다.
8. Contribution은 단순히 "성능이 향상되었다"가 아니라, 이 논문이 기존 연구에 비해 새롭게 기여한 점을 정리한다.
9. 한계는
   * 저자가 논문에서 직접 밝힌 한계
   * 실험 설계, 데이터, 일반화 가능성 등을 고려했을 때 추가로 생각할 수 있는 한계
     를 분리한다.
10. 논문에서 근거를 찾을 수 없는 내용은 억지로 채우지 말고 `논문에서 명확히 확인되지 않음`이라고 표시한다.
11. 중요한 주장이나 결과에는 가능하면 해당 Section, Figure, Table 등의 위치를 함께 표시한다.
12. 과도하게 장황하게 작성하지 않는다. 핵심 내용은 충분히 설명하되, 같은 내용을 여러 섹션에서 반복하지 않는다.
13. 전문 용어는 원문의 영문 용어를 필요한 경우 함께 표기한다.
14. 사용자의 기존 지식이나 업무 맥락이 제공되어 있다면 `내가 얻은 것`, `실무 / 연구 적용 가능성`에 이를 적극 반영한다. 관련 맥락이 없다면 일반적인 연구·실무 관점에서 작성한다.

특히 아래 세 가지를 혼동하지 말아야 한다.  

* **실험 사실:** 실제 실험에서 관측된 결과
* **저자의 주장:** 저자가 그 결과를 바탕으로 주장하는 내용
* **분석적 판단:** 논문의 결과와 설계를 검토했을 때 추가로 할 수 있는 평가

논문의 핵심을 먼저 충분히 파악한 뒤 다음 템플릿을 작성하라.

---

[정리 템플릿 삽입]

// reading compass

이 글과 이어지는 경로

시리즈, 카테고리, 태그 겹침, 최신도를 점수화해 가까운 글일수록 중심에 배치합니다.

hover nodes or cards · click a node to pin
Next reads 0

    댓글 남기기

    이런 글은 어떠세요