AI天才姚顺雨怒批学术界：简单问题复杂化，论文直接变废纸！

有人终于把那句话说出来了。

一个27岁的天才，站在AI最前沿的位置，对着整个学术界说：你们选的题太简单，用的方法太复杂，最后只是为了证明自己提升了2%。

说这话的人叫姚顺雨。清华姚班毕业，普林斯顿博士，OpenAI核心研究员，ReAct和思维树框架的作者，被引用超过1.5万次，27岁入选MIT科技评论TR35榜单，中国区最年轻得主之一。现任腾讯首席AI科学家。

这不是一个外行在骂学术界。

这是一个从学术圈杀出来、又回头看清了那个圈子全部底细的人，在说一个所有人都心知肚明、但没人敢公开说的事实。

这句话，值得每一个搞研究的人，认真读三遍。

01 用核反应堆煮泡面，这叫“创新”？

姚顺雨的原话是这样的：

学术界存在一个弊病，他们会选择简单的任务，然后搭配非常复杂的方法，最后只是为了证明改进了2%。方法的复杂程度，应该和任务本身的难度相匹配。在某种程度上，现在的任务难度，已经落后于研究方法的发展了。

这句话翻译成大白话：这就像是为了煮一包泡面，你非要建一座核电站。电确实通了，水也热了，面也熟了。

但你告诉我，这包泡面的味道，比用电水壶煮的好在哪里？

现在的AI顶会论文，给人一种极其荒谬的错觉。

任务简单吗？简单得令人发指。

比如“情感分类”，就是判断一句话是夸还是骂；比如“短文本匹配”，就是看两句话是不是一个意思。这些任务，五年前的BERT就已经做得大差不差了。

方法复杂吗？复杂得像天书。

为了在那个早已饱和的榜单上提升0.5%，他们设计了拥有几千亿参数的架构，引入了七八层的注意力机制，还要加上什么“对比学习”、“对抗训练”、“知识蒸馏”的全家桶。

姚顺雨一针见血地指出：你的方法复杂度，必须和任务难度相匹配。

如果一个只有三层的网络就能解决问题，你非要用三百层，这不是能力，这是浪费，是炫技，是学术虚荣。

02 “2%改进”背后的内卷狂欢

为什么大家都在卷这2%？因为好发论文。

真正的难题——比如通用人工智能（AGI）因果推理长程记忆具身智能的物理交互——太难了，砸进去几个亿可能连个水花都看不见。

但在公开数据集上刷榜多容易啊！改改超参数，换个激活函数，加个正则项，只要数字涨了一点点，哪怕只有0就是一篇新论文。

于是，学术界变成了一个巨大的“养蛊场”。大家不再关心这个模型能不能帮医生看片子，能不能帮律师审合同，能不能真的理解人类语言。大家只关心：我的数字是不是比你高？我的曲线是不是比你漂亮？

这不仅是自欺欺人，更是在阻碍技术的进步。当所有的聪明才智都用来在这个针尖大的地方做道场，谁去开辟新的大陆？当顶会论文变成了“如何在MNIST上刷到99.99%”的技巧大全，AI的未来在哪里？

03 任务难度，已经配不上我们的工具了

姚顺雨的观点里，最让我震惊的一句话是：“现在的任务难度，已经落后于研究方法的发展了。”

这简直是振聋发聩。

我们手里握着ChatGPT、Claude、Gemini这样的神兵利器，它们拥有近乎全人类的知识储备。结果我们在用它们干什么？在做填空题。在做选择题。在做小学水平的阅读理解。

这是对智能的亵渎。

我们的工具已经进化到了“星际战舰”的级别，但我们的“战场”还停留在“村口械斗”。如果你手里有一把加特林，你应该去打坦克，而不是用来打蚊子。如果你有一个万亿参数的模型，你应该让它去解决蛋白质折叠，去控制核聚变，去探索宇宙的边缘，而不是让它去分辨“这句话是不是在骂人”。

真正的突破，永远来自于“降维打击”。用最简单的方法解决最复杂的问题，那是天才（比如爱因斯坦）；用最复杂的方法解决最简单的问题，那是内卷的废物。

04 学术界的病，全行业都在吃药

别以为这只是学术界的事。工业界正在为学术界的这种“自嗨”买单。

多少公司的CTO，看了顶会论文觉得“高大上”，立刻招人复现。结果呢？部署上线一跑，延迟爆炸，成本翻倍，效果还不如原来的规则引擎。这就是典型的“学术幻觉”。

学术界在象牙塔里造神，工业界在泥泞里挣扎求生。姚顺雨的炮轰，其实是在警告所有人：如果不改变这种“为了发论文而科研”的评价体系，AI的下一个冬天很快就会到来。

当资本发现，砸了几十亿美金，养出来的模型只是为了在榜单上前进一名，而不能带来实际的商业价值时，泡沫就会破裂。

05 结语：请把复杂留给世界，把简单留给自己

最后，我想对所有还在科研一线的人说：

不要做那个“把简单问题复杂化”的聪明人，要做那个“把复杂问题简单化”的智者。

如果你的方法很复杂，请确保你解决的问题足够难。如果你的任务很简单，请用最简单、最优雅、最可解释的方法去解决它。

在这个浮躁的时代，克制比炫技更难得，真实比刷榜更可贵。

姚顺雨撕开了一个口子，光透进来了。希望我们都能看清这光的方向，而不是盯着脚下的阴影沾沾自喜。

别再用核反应堆煮泡面了，把电留给更需要它的地方吧。

互动问题

你觉得现在的AI大模型，是在解决真问题，还是在“刷榜”玩数字游戏？你见过最离谱的“为了复杂而复杂”的研究是什么？欢迎在评论区开喷。