最近读到一篇很喜欢的文章:Zen and the Art of AI Research。
它最打动我的观点是:
做 AI research,很多时候拼的不是天赋,而是一种研究气质。
能不能长期泡在一个问题里,能不能接受实验失败和对好的结果保持怀疑,能不能在别人发了好 paper 之后,不只是焦虑,而是反过来问自己:我有没有在同样的深度上思考?
文章里有个很好的类比:做研究有点像打坐。
有灵感的时候,继续坐。
没有灵感的时候,也继续坐。
很多真正重要的想法,不是刷几篇热门论文就突然冒出来的,而是在反复阅读、动手构建、失败、debug、重新理解里慢慢长出来的。
这篇文章还提醒了一个很现实的问题:coding agents 会让研究跑得更快,但也会让人更容易失去对系统细节的掌控。
它可能帮你改了 prompt,缩短了 sequence length,换了 config,跑了一个看起来差不多、其实已经不一样的实验。
工程上这可能只是小问题,科研上就是大问题。
因为一个很小的改动,就可能改变整篇论文的结论。
所以 AI 时代的研究能力会变得更矛盾:
你要会用 AI 加速,但不能把理解外包给 AI。
你要跑得更快,但不能失去慢下来检查的能力。
你要拥抱 agents,但仍然要知道每个结果是怎么来的。
优秀的研究者需要在工具越来越强之后,依然能保持耐心、怀疑和清醒的人。
显示更多