UT Austin 博士生发问：AI 时代计算机学术界是否正在失去意义
一位 AI 博士生质疑：基础模型正在吞掉靠刷榜出论文的领域，学术研究的价值正从造模型转向理解智能如何产生。
德克萨斯大学奥斯汀分校计算机博士生曹晋在 ICLR 审稿时发现，许多投稿仍是把新视频生成基础模型套上两年前的老方法。他因此提出疑问：当基础模型不断吞并原本需要专门设计的领域，靠堆归纳偏置刷 SOTA 的论文还有什么价值，AI 博士生又该往哪走。
正文摘录
.jpg) AI 时代，计算机科学研究正在失去意义吗？ 最近，来自德克萨斯大学奥斯汀分校（UT Austin）的计算机科学博士生曹晋提出了一个令人不安的问题： 计算机科学学术界已经死了吗？那像我这样的 AI 博士该何去何从？  来源：https://x.com/xjincaox/status/2103144302784237674 在参与 ICLR 审稿过程中，他快速浏览了一些论文摘要， 发现很多方法和他两年前刚进入 3DV（3D Vision）领域时学到的套路完全一样。 换一个更新的视频生成基础模型，套上类似的方法，然后一篇新论文就出来了。 这让人不禁怀疑：ICLR 那 6 万篇投稿里，到底有多少真正是人想出来的？ 这种焦虑并非个例。 当大模型开始进入研究者的角色 过去，许多 AI 研究围绕一个明确路径展开：针对具体问题，设计新的模型结构，引入新的归纳偏置（inductive bias），然后在 benchmark 上不断优化。 但基础模型正在改变这一过程。越来越多案例表明， 通用模型开始进入过去被认为需要专门设计的领域。 例如，World Labs 的 Atlas 展示了强大的 4D 场景理解与生成能力；