主线：1 个月 1 个研究型项目 日常：论文 + 少量算法 + 数学补基础 长期：从复现走向改进，再走向论文

每个月：复现一篇论文 / 打一场Kaggle小比赛 每周产出 progress note 详见：技术笔记 Research-style production

计算机打草稿就跟数学打草稿一样，不需要纠结细节，反正草稿只是给自己看的东西，怎么方便怎么来。

Make a plan to run my life.

I will continue to make contributions and show my existence in ML/Multimodal/Math firstly.

个人主页 / Blog：主阵地
GitHub：代码与实验
Hugging Face：模型、datasets、demo、Spaces
LinkedIn：职业身份
X：英文研究圈弱连接
知乎：中文镜像 / 中文长文
Kaggle：数据科学证据，非核心但有用
B站：暂缓

合理分工：

知乎：中文长文、中文同伴、早期反馈
Blog：英文正式版本
GitHub：代码证据
Hugging Face：模型/数据/demo/ML社区协作
X：英文研究圈可见度
LinkedIn：职业身份

同一篇内容可以这样处理：

英文 Blog：正式 research note  
GitHub：代码与实验日志  
X：发 3-5 句英文摘要  
知乎：中文改写版，吸引中文同伴  
Hugging Face：如果有模型/demo，就发到对应 Space 或 Discussion

建议你把知乎作为中文入口，但每次交流都要尽量导向更可验证的平台。 具体策略：

1. 在知乎发高质量中文技术文章
2. 每篇文章附英文 Blog / GitHub 链接
3. 评论区只认真回应具体问题
4. 遇到质量高的人，私信转到 GitHub / 邮件 / Discord / 微信
5. 合作从一个小任务开始
6. 最终产出放到 GitHub / Blog / Hugging Face

判断一个人是否值得继续交流，可以看：

他是否提出具体问题
是否有自己的项目/文章/代码
是否愿意读你的材料
是否能给出建设性反馈
是否能按小任务产出东西