总结完MAE的文章后，不由觉得阅读论文本质上也是构建一个Autoencoder的过程。学习的终极目的在于能否对已有的工作进行复现或者重构。学习的最大误区在于是盲目的学习，不管是读书还是看视频，如果仅仅是简单重复的过一遍，那么学习效果就近乎为0。就读论文来说，除了最早的论文海选步骤以外，非常重要的在于能否站在作者的视角进行思考。除了Autoencoder的启发之外，还有点很有启发的在于对绝大多数的图像区域进行了mask，而最终训练出比较好的模型。那我们能否在阅读少量内容后同样重构出已有的论文呢？
第一遍，目的是了解论文的大体内容，适不适合自己继续进行阅读。具体步骤为：先阅读标题和摘要，了解论文的出发点是什么，然后再阅读结论这一章节。阅读完以后重点看一下关键的图和表，比如模型的核心方法或者架构图。如果确定适合自己，就可以开始第二遍。
第二遍，快速通读文章，目的是了解文章解决了什么问题，用了什么方法，搞清楚重要的图和表都在干什么，相比别人的方法有什么优点。读的时候可以把有用的东西圈出来，比如重要的参考文献、不懂的句子。这一遍不用特别细节，一些公式和证明可以略过。这遍读完后，如果觉得这份工作对自己有价值，可以继续第三遍的精读。
第三遍，精读文章，知道每一段每一句都在干什么，把自己放到作者的位置，开始思考自己如何去解决这个问题，如何设计实验，能不能做得更好，或者哪些地方可以继续深入。这样以后基于这份工作扩展，或者使用这个方法的时候就会更自如。
简单来说，阅读论文的顺序如下所示：
- 标题+作者
- 摘要
- 关键图
- 结论
- 相关工作
- 模型架构
- 实验
- 评论