05-04, Paper Reading & Research Protocol

1. Problema de Engenharia

Senior técnico aparente ainda lê só blog posts e docs. Staff/Principal lê papers: não raramente, mas como hábito. Paper é onde idea vive antes de virar lib. GFS (2003) → HDFS → 04-03-compatible. Dynamo (2007) → Cassandra → DynamoDB. Raft (2014) → etcd, Consul, ScyllaDB. PageRank (1998) → Google. Attention is All You Need (2017) → todos LLMs hoje.

Quem lê paper hoje vê o que vai virar produto em 5-10 anos. Quem não lê fica catching-up. E vai além de tendência: papers ensinam rigor: como definir problema, como medir, como argumentar. Engineering communication melhora ao internalizar shape de paper.

Mas papers são denso. 90% das pessoas que tentam ler giant lista de papers desistem em semanas. Sem método, paper reading é overwhelming. Protocolo (Q&A, three-pass, paper-of-the-week, peer discussion, application) transforma sustainable.

Este módulo é o protocolo de paper reading, não conteúdo de paper individual. Como escolher, como ler, como anotar, como aplicar, como discutir, como manter habit. Mais output: lista curada + journal de leitura + 1 paper implementado.

---

2. Teoria Hard

2.1 Por que ler papers em vez de blogs

Blog: filtrado, simplificado, autor com bias. Paper: original, detalhado, peer-reviewed (em conferences boas).

Blog é ótimo pra catching up. Paper é ótimo pra first-principles understanding e antecipação.

Trade-off: paper denso, exige tempo. Blog rápido, perde nuance. Equilíbrio: blog pra abrangência, paper pra depth em tópicos críticos.

2.2 Top venues em CS

• OSDI / SOSP: systems (OS, DBs, distributed).
• NSDI: networking + systems.
• SIGMOD / VLDB / ICDE: databases.
• PLDI / OOPSLA / POPL: programming languages.
• NeurIPS / ICML / ICLR: ML.
• CHI / UIST: HCI.
• CCS / USENIX Security / S&P / NDSS: security.
• HotOS / HotCloud: position papers (curtos, opinion).

papers.we-love curates. ACM Digital Library, USENIX, arxiv.org gratuitos.

2.3 Three-pass approach (Keshav)

Pass 1 (5-10 min): título, abstract, intro, conclusion, headings, refs. Decisão: prosseguir?

Pass 2 (1 hr): leia com cuidado, ignore proofs/details. Note figures.

Pass 3 (4+ hrs): re-implement na cabeça, identify assumptions, locate flaws. Write summary.

Para 90% de papers, pass 1-2 basta. Pass 3 reservado pros core papers do seu eixo.

2.4 Q&A note format

Tome notas como Q&A:

• Q: Qual problema?
• Q: Por que era hard?
• Q: Solução em uma frase?
• Q: Insight chave?
• Q: Como medem?
• Q: Limitações?
• Q: Trabalhos relacionados que cita?
• Q: Como isso conecta com X que eu sei?

Escreva nas próprias palavras. Reformulação força entendimento.

2.5 Paper-of-the-week protocol

Sustainable habit:

• 1 paper por semana.
• Mesma window (sábado manhã, ex.).
• 1-2 horas dedicadas.
• 200-500 palavras de notas.
• Discussion com peer (Slack thread, paper club).

Após 1 ano: 50 papers. Mais que 95% dos engineers no mundo.

2.6 Paper club

Group de 3-8 pessoas, lê mesmo paper, encontra weekly/biweekly por 1h. Discute.

Vantagens:

• Accountability.
• Diversas perspectivas.
• Discussão amplifica retenção.

Boa list pra começar: "Papers We Love" GitHub readme tem foundational lists.

2.7 Reading list curada

Não tente ler tudo. Liste papers organizados por tema:

• Database internals.
• Distributed systems.
• ML/LLMs (se relevante).
• Programming languages.
• HCI (frontend-aligned).

5-10 por categoria. Re-priorize anualmente.

elite-references.md no framework já tem lista. Adicione papers faltando. 05-04 expande isso.

2.7.1 Must-read papers ordenados por estágio

Lista curada pra começar com sequência sane. Cada paper aqui é referenciado em pelo menos 2 módulos do framework e tem leitura ainda relevante em 2026. Pass 1-2 obrigatório, pass 3 nos que mais te interessam.

Pra ler antes de Senior (durante Plataforma/Professional, 1 paper/semana):

1. "On the Criteria To Be Used in Decomposing Systems into Modules": Parnas, 1972. ~10 páginas. Information hiding, módulos como decisões de design. Base de DDD.
2. "End-to-End Arguments in System Design": Saltzer, Reed, Clark, 1984. ~10 páginas. Onde colocar lógica numa stack.
3. "What Every Programmer Should Know About Memory": Drepper, 2007. Long, denso. Pass 1-2 ~3h. Lê pra 02-09/03-10/01-14.
4. "Time, Clocks, and the Ordering of Events": Lamport, 1978. Causalidade. Base de tudo distribuído.
5. "The Google File System" (GFS), Ghemawat et al, 2003. Architecture pattern que viraram HDFS, 04-03 compat layers.

Pra ler durante Senior (paper/semana, 6 meses):

6. "MapReduce: Simplified Data Processing on Large Clusters": Dean, Ghemawat, 2004.
7. "Bigtable: A Distributed Storage System for Structured Data": Chang et al, 2006.
8. "Dynamo: Amazon's Highly Available Key-Value Store": DeCandia et al, 2007. Eventual consistency em produção.
9. "The Chubby Lock Service for Loosely-Coupled Distributed Systems": Burrows, 2006. Coordination.
10. "In Search of an Understandable Consensus Algorithm" (Raft), Ongaro, Ousterhout, 2014. Pass 3 obrigatório. Implemente.
11. "Spanner: Google's Globally-Distributed Database": Corbett et al, 2012. TrueTime, external consistency.
12. "FLP Impossibility": Fischer, Lynch, Paterson, 1985. Por que consensus puro async é impossível.
13. "Paxos Made Simple": Lamport, 2001. (Original "The Part-Time Parliament" é pra masochistas.)
14. "The Tail at Scale": Dean, Barroso, 2013. ~5 páginas. Latency tail em escala.
15. "Architecture of a Database System": Hellerstein, Stonebraker, Hamilton, 2007. ~140 páginas (livro técnico). Como DB funciona por dentro.
16. "C-Store / Vertica" / "MonetDB": papers fundamentais de columnar store. Base de ClickHouse, BigQuery.
17. "Calvin: Fast Distributed Transactions for Partitioned Database Systems": Thomson et al, 2012. Determinism em distribuído.
18. "Conflict-free Replicated Data Types": Shapiro et al, 2011. Base do que Linear/Figma usam.
19. "Calm Theorem and CALM theorem reconsidered": Hellerstein, 2010. Coordination-free programs.
20. "How Complex Systems Fail": Cook, 1998. ~7 páginas. Pra todo on-call. Filosofia operacional.

Pra ler durante Staff (paper/2 semanas, ongoing):

21. "Byzantine Generals Problem": Lamport, Shostak, Pease, 1982. Trust model em distribuído.
22. "Out of the Tar Pit": Moseley, Marks, 2006. Complexidade essencial vs acidental. Filosofia.
23. "Network Latency Is Not Free" + "Latency Numbers Every Programmer Should Know" (Dean), sub-paper, mas referência diária.
24. "Use of Formal Methods at Amazon Web Services": Newcombe et al, 2014. TLA+ em produção.
25. "Tagless Final Encoding": Carette, Kiselyov, Shan, 2007. Para devs em FP avançado.

Pra Data/ML track:

26. "Attention Is All You Need": Vaswani et al, 2017. Transformer paper.
27. "GPT-3 / Language Models are Few-Shot Learners": Brown et al, 2020.
28. "Retrieval-Augmented Generation for Knowledge-Intensive NLP": Lewis et al, 2020. Base de RAG.
29. "FlashAttention": Dao et al, 2022. Otimização kernel-level que viabilizou contextos longos.
30. "Hidden Technical Debt in Machine Learning Systems": Sculley et al, 2015. Sistemas, não modelos.

Foundations (ler em algum momento):

31. "Reflections on Trusting Trust": Thompson, 1984. Turing lecture. Supply chain trust.
32. "No Silver Bullet": Brooks, 1986. Software engineering como disciplina.
33. "The Bitter Lesson": Sutton, 2019. Não é paper formal, ensaio. Sobre AI scaling.
34. "Worse is Better": Gabriel, 1991. Filosofia de design.
35. "Goto Considered Harmful": Dijkstra, 1968. Curto, marca era pre-structured.

Como usar a lista:

• Marque um paper/semana em journal.md. Faça 3-pass (§2.3) com Q&A (§2.4).
• Após 1 ano, ~50 papers lidos, entra em ~5% top dev em tooling de pensamento.
• Discussão com peer (paper club) acelera 3x. Sozinho funciona, junto é melhor.
• Re-leia papers core a cada 2-3 anos. Você vai entender mais cada vez.

2.8 Implementing papers

10x deepening: implement paper. Não tudo, peça central.

Exemplos:

• Raft: implementar leader election + log replication mínimo.
• HyperLogLog: cardinality estimation.
• CRDT: counter, set, sequence.
• Bloom filter: básico + counting + scalable.
• Page rank: simulate iterative computation.

Não é toy de produção; é exercise. Confirma entendimento com código rodando.

2.9 Citation chains

Paper bom referencia 30-100 papers anteriores. Cite chain:

• Paper Y referencia X (predecessor).
• Y referencia Z (related, contemporary).
• Y é citado por A, B (successors em scholar.google).

Reading via citation network revela landscape. "Estudo Raft → Paxos clássico → Multi-Paxos → Viewstamped Replication → ...".

2.10 Pre-prints e arXiv

ML especially publica em arXiv antes/em vez de venue. arxiv.org/abs/xxx.

Cuidado: pre-prints não peer-reviewed. Some bom, some hype, some errado.

2.11 Paper writing também é skill

Eventualmente, Staff/Principal pode escrever paper (industry papers em OSDI, SIGMOD, USENIX ATC). Não é caminho comum mas viável.

Forma: industrial paper conta sistema real, evidence é production data, peer-reviewed differently.

Examples: Spanner (Google), Borg (Google), Kafka (LinkedIn), Cassandra (Facebook).

Engineering blog post detalhado é proxy mais barato. Stripe, Cloudflare, Netflix engineering posts são quasi-papers.

2.12 Anti-patterns

• Reading queue de 200 papers: nunca ataca. Limite a 10 priorizados.
• Pass 3 em tudo: queima. Maioria pass 1-2.
• Solo isolado: paper club acelera 5x.
• Sem aplicação: read-only, esquece. Implement ou citar em design.
• Trendy chasing: novo > clássico. Foundations frequently mais válidos que latest.

2.13 Foundational papers que não deve faltar

(Curados; alguns também em elite-references.md)

Distributed:

• "Time, Clocks, and the Ordering of Events", Lamport (1978).
• "The Byzantine Generals Problem", Lamport, Shostak, Pease (1982).
• "Impossibility of Distributed Consensus with One Faulty Process" (FLP), Fischer, Lynch, Paterson (1985).
• "Paxos Made Simple", Lamport (2001).
• "In Search of an Understandable Consensus Algorithm" (Raft), Ongaro, Ousterhout (2014).
• "Dynamo: Amazon's Highly Available Key-value Store" (2007).
• "Bigtable: A Distributed Storage System for Structured Data" (2006).
• "MapReduce: Simplified Data Processing on Large Clusters" (2004).
• "The Google File System" (2003).
• "Spanner: Google's Globally Distributed Database" (2012).

Networking:

• "End-to-End Arguments in System Design", Saltzer, Reed, Clark (1984).
• "The Tail at Scale", Dean, Barroso (2013).

Databases:

• "Architecture of a Database System", Hellerstein, Stonebraker, Hamilton (2007).
• "C-Store: A Column-oriented DBMS" (2005).

ML/Search:

• "The Anatomy of a Large-Scale Hypertextual Web Search Engine", Brin, Page (1998, PageRank).
• "Attention Is All You Need", Vaswani et al. (2017).

Pick 5 to start. After Senior Stage you can attack.

2.14 Habit metrics

Track:

• Papers read this year.
• Papers implemented.
• Papers discussed em paper club.
• Papers cited em ADRs you wrote.

Not vanity: ensure consistency.

---

3. Threshold de Maestria

Você precisa, sem consultar:

• Aplicar three-pass de Keshav.
• Estruturar Q&A note (mínimo 7 perguntas).
• Listar 5 venues top em CS systems.
• Justificar paper-of-the-week sustainable.
• Definir reading list por tema.
• Distinguir paper, blog, pre-print.
• Construir citation chain a partir de 1 paper raiz.
• Argumentar valor de implementing paper.
• Listar 5 papers foundational em distributed systems.

---

4. Desafio de Engenharia

Estabelecer paper reading habit + 1 paper implementado.

Especificação

1. Reading list em READING-LIST.md:
   • 30 papers organizados por 5+ temas.
   • Prioridade (03-01/03-02/03-03).
   • Origens (venue, ano, link).
2. Schedule:
   • 1 paper por semana, slot fixo. Inicial 12 semanas (3 meses).
3. Notes:
   • Q&A format por paper, em papers/<paper-slug>.md.
   • Conexões com módulos do framework (04-01, 04-02, etc.).
4. Paper club:
   • Encontre 2+ peers; grupo de discussão semanal/quinzenal.
   • Notas compartilhadas.
5. Implementação:
   • Escolha 1 paper viável e implemente cerne.
   • Repo separado, README explicando paper + design + lições.
   • Recomendados pra implementar: Raft (subset), HyperLogLog, Bloom filter (variants), CRDT counter+set, PageRank.
6. Blog post sobre paper implementado.
7. ADR em algum projeto (Logística ou capstone) que cita paper como justificativa.

Restrições

• Reading list curada, não copy-paste de top 100.
• Notes em prose, não bullet point copy do paper.
• Implementação em linguagem de seu eixo (Rust/Go/TS aceitos).

Threshold

• 12 papers lidos com Q&A notes.
• Paper club ativo ≥ 6 sessões.
• 1 implementação completa + blog.
• 1 ADR citing paper.

Stretch

• 30 papers em 12 meses (cadence dobrada).
• Implementar 2 papers.
• Submit talk sobre paper a meetup ou conf.
• Co-write industry paper com colegas (extremo, mas Staff trajectory).
• Mentor 1 colega no protocolo (05-06 conexão).

---

5. Extensões e Conexões

• Liga com 00-meta/elite-references.md: existing list to evolve.
• Liga com 00-meta/reading-list.md.
• Liga com 01-04-01-06 (foundations): early CS foundations.
• Liga com 04-01 (distributed): consensus papers core.
• Liga com 04-02 (messaging): Kafka, log papers.
• Liga com 04-10 (AI/LLM): transformer paper.
• Liga com 04-14 (formal methods): TLA+ writeups.
• Liga com 05-01 (build from scratch): implementation overlap.
• Liga com 05-05 (public output): blogging derives.
• Liga com 05-06 (mentor): paper club is mentor-adjacent.

---

6. Referências

• "How to Read a Paper": S. Keshav (3-pass method).
• "Reading Papers": Henrik Kniberg blog post.
• "Papers We Love" (paperswelove.org).
• "Awesome Distributed Systems Papers": GitHub list.
• arxiv-sanity (former Karpathy tool).
• Murat Demirbas's blog: distributed systems paper reviews.
• The Morning Paper (Adrian Colyer).
• "Software Foundations": Pierce et al (foundational textbook).
• MIT 6.5840 reading list.
• Stanford CS244B reading list.
• ACM SIGOPS Hall of Fame Awards: historic systems papers.