说说研究品味。研究其实和穿着打扮一样，也有品味之分。品味好的研究，从项目的动机就能吸引人；而品味般般的研究，很难让人产生共鸣。而提高研究品味，核心就是提高辩赏研究价值、研究方法的能力。用Patterson教授的话说就是——如何去明确一个容易拓展的并有影响力的问题。

发现听报告是训练自己研究品味的好机会。今年Princeton计算机系要招Faculty，过去半年有近20位候选人来参加面试，我几乎听了所有的报告。这是一个非常难得的训练自己研究品味的机会——我可以自己在心里给他们点评，虽这些点评没有实际影响力，但可以和最终Faculty会议决定的录用人选进行对比。

20多个报告中，我仅列一些印象深刻的报告：

----------------------------------------------

1. Precise and Fully-Automatic Verification of Container-Manipulating Programs 

    Isil Dillig, Stanford University  ( http://www.stanford.edu/~isil/ )

2. Program Paths Simplified: Scalable Path-Sensitive Analysis without Heuristics 

    Thomas Dillig, Stanford University ( http://www.stanford.edu/~tdillig/ ) 

夫唱妇随，这是一对夫妻。他们最近几年在程序语言领域发表了近10篇顶级会议论文（非常有趣的是他们总是妻子第一作者，丈夫第二作者）。具体而言，他们的研究工作是通过形式化手段来验证计算机程序的正确性。Thomas的报告做的非常精彩，我觉得在所有报告中算是最好的。我不是这个研究方向，但也能很顺利地跟着他的思路听完报告。但第二天Isil的报告就要逊色不少。

我办公室同事也是做这个方向的。我曾经问过他，我的程序现在有问题，调试太复杂了，可以用你们的工作来帮助我吗？他回答再等20年！也就是说这方面的研究短期之内不一定实用，它的价值还需要一些时间的考验，但大家又都觉得这是一个值得研究的方向。总是，这是一个需要坚持的方向。

我觉得这对夫妻研究能力很强，对这个领域的理解很深刻，很有可能入围。

3. Search and the Social Web: Organizing the World's People and Making them Accessible and Useful 

    Sepandar Kamvar, Stanford University ( http://kamvar.org/ )

研究Social Network，比如从blog中挖掘一些心情与天气的联系、利用social network来回答问题等。报告做的非常炫，视频、音乐都用上了。但中间有人问了几个问题，都是在质疑这些研究有什么价值。我对他的回答并没有深刻的印象。但是他的优势是他有一次成功的创业经历，他在媒体的曝光率也比较高。

觉得他的工作很炫，属于很热门、很时髦的研究，给人印象深刻，但研究价值却不清晰，研究技术也不突出。

4. Designing Maps to Help People 

   Maneesh Agrawala, Berkeley ( http://vis.berkeley.edu/~maneesh/ ) 

这个一个非常吸引人的工作。他们把一些心理学研究成果和计算机图形处理技术结合，用来设计更适合人阅读的地图。例如，80多年前，Harry Beck发现人们坐地铁只关心起点与终点，并不关心站与站之间的实际距离与沿途风景，于是在1931年发明了Tube Map，也就是我们我们现在经常看到的被拉伸、变形、45°路线的地铁图。Maneesh也利用这个思想，当人们查询路线时，能自动生成可读性更高的地图。再有，他们也观察到人们查看地图时只关注地标建筑，因此他们自动从google map生成更简洁的地图。

觉得他们的工作非常出色，最近一起的CACM上也有他们的文章介绍这方面的工作。但Maneesh Agrawala已经是Berkeley的Associate Professor了，我觉得他来Princeton作报告应该不是为了找工作，也许只是来介绍他的工作。

5. Systems and Algorithms for Computational Photography 

    Andrew Adams, Stanford University ( http://www.stanford.edu/~abadams/ ) 

听过不少做计算机图形学的工作，他的工作一听就给人感觉与众不同。他不是简单地做一些图形学算法，还做实际的系统。比如他为Nokia的N900设计了一个新的软件，更新原来手机上的相机驱动，提供有一套新的API，使相机可编程，能根据用户的需要来充分挖掘相机的功能。他们的软件已经有十几万的下载量。他们还自己设计和实现了一个定制相机，改进前端摄像器件、增强后端处理芯片，运行Linux和他们自己的驱动和处理软件，计算能力比N900强大许多。对于应用研究来说，这种有原型系统的工作要比只是停留在算法、模拟、仿真的工作更让人折服。

他的工作很出色，但是报告并没有Thomas Dillig做的那么好。未来手持设备的处理能力必然越来越强，他的工作在未来应该会有很大的前景。

6. Electrical Flows and Laplacian Systems: A New Tool for Graph Algorithms 

    Aleksander Madry, Massachusetts Institute of Technology ( http://people.csail.mit.edu/madry/ )

这个工作展现了一种美，给人感觉更像是艺术。他们用一种非常新颖的办法——计算电路图中最大电流——去求解经典的网络最大流问题。利用电路图中电阻的串联、并联特性，来计算电路的电阻，推导出最大电流。思路非常巧妙，让人叹为观止。这个工作也获得了STOC'11的最佳论文奖。但比较遗憾的是，我没有听明白他们的方法对原有方法改进有多大。

非常美的一个工作。不得不感叹研究理论确实能做出唯美的境界，而应用研究则更强调实用主义。

7. 其他学术报告可以从以下链接访问

http://www.cs.princeton.edu/events

----------------------------------------------

前几天从系里的学生那里得知小道消息。虽然不清楚最后招个几个Faculty，但至少来自Stanford的研究 Computational Photography 的Andrew Adams录用了。除了他出色的研究工作，据说他还有一个加分项是在Stanford首开了一门课，并且获得了Stanford的最高教学奖(Walter J. Gores award)。而Princeton是一个非常注重教学的大学，能上一门好课对学校无疑有非常大的吸引力。

而Thomas & Isil Dillig夫妇，最后一起去了College of William & Mary，看来他们还是想接着开夫妻店。