不要做科研的游牧民：杨学的“复利积累、身份建立与大兵团转型”

当学术圈习惯用"论文数量"衡量一个博士的产出时，杨学提供了一个更锋利的标准：你的工作是不是连续的，是不是系统的。

✍️文字整理 | Ellie文钦

本期「CCF 优博之路」邀请到的嘉宾是上海交通大学自动化与感知学院长聘教轨助理教授、博士生导师杨学——连续三年入选全球前 2% 顶尖科学家榜单和爱思唯尔中国高被引学者名单，在 CCF A 类期刊和会议上发表 50 余篇论文，包含最具影响力 AAAI 2021 论文榜首及《Remote Sensing》期刊最佳论文，谷歌学术引用累计超万次，并担任 ICLR/AAAI 顶级会议领域主席。 他在一个当时几乎没人做的小众方向——有向目标检测——上一扎就是七年，从硕士期间"踏踏实实写了两年代码"到博士期间形成模型架构、表征优化、数据训练、开源生态四大板块的系统性成果。这次直播，他把系统性科研拆解得足够坦诚： 他说自己博士期间"并不是最卷的那一批"，但因为每一次工作都有前一次的基础，效率会越来越高；他承认自己最不满意的论文反而引用量最高，最满意的反而没人看；他讲述一篇论文被拒四轮、绕了一个完整轮回才最终录用的经历，但建议大家与其学会安慰自己，不如降低被拒的概率。他认为大模型时代下，单兵作战已经行不通了，但论文中不中可能也没那么重要了。

️ 这是回顾内容。「CCF优博成长访谈」系列直播由减论APP召集，CCF SPP、Machine Intelligence Research (MIR) 共同发起，将门-TechBeat人工智能社区参与组织。将门编辑部将 3 月 30 日直播提炼成文，保留核心精粹，希望这份深度整理能为每一位读者带来新的启迪。

嘉宾：杨学｜上海交通大学教授、博士生导师、2023 CCF优博

主持：黄树东｜四川大学计算机学院副研究员、博士生导师

常驻主持：李翔｜南开大学

01 三种博士困境

你属于哪一种？

系统性科研的反面，不是“不努力”

杨学：我们不讨论不努力的博士。我们就讨论努力的博士——但成果要么不系统，要么不太好。

第一种，非常努力，但比较分散。他们会把很多时间花在写代码或工程性的事情上，很少去读论文。这种学生对老师而言其实还挺喜欢的，但对他个人而言很难积累科研成果。

第二种相反，非常喜欢读论文，一天读一大堆。但读多了之后会迷失——用做模型的话来讲，他过拟合了。他把自己的想法局限在现有的这些论文里面，跳不出局部最优。

第三种，Paper 确实多，博一博二就发了四五篇，但回过头一看，文章之间缺少联系。到写博士论文的时候就很痛苦——两篇论文毫无相关，怎么分章，怎么递进？

这三种情况非常常见。但我觉得这肯定不是天赋问题，更多的是方法问题和心态问题。

02 复利引擎

为什么我"不是最卷的那一批"

每一次工作都有前一次的基础，效率会越来越高

杨学：我回顾了一下，我个人在博士期间并不是最卷的那一批。但不是故意不卷——是因为我的工作效率比较高，得益于系统性科研。每一次做的工作，我都已经有基础了。

比如我要做有向目标的表征优化，我有一个好的 idea 要去实现——但实现需要一套好的 code base、需要数据准备。而这些东西我在之前做框架模型的时候已经打了非常深厚的基础，代码每一行都是我亲自敲的，数据也已经处理好了放在服务器上。

所以我只要负责把 idea 想出来，然后做实验。如果运气好，核心实验可能几下就做成功了，很快就进入写论文阶段。我不需要每天熬夜写代码，因为前面已经产生了一些复利能够让我使用，效率会越来越高。

03 标签觉醒

从"刻意隐藏"到"主动亮出来"

一位老师批评了我一顿，让我想通了

杨学：早期我其实挺抵触别人说我是做遥感的。当时遥感不受 AI 学界待见——一提遥感，大家就觉得是涉密的、数据不开源的、自己玩自己一套的。所以我发论文标题从来不提“遥感”两个字，写故事的时候尽可能抽象化，比如说"复杂环境"——其实就是遥感。

但博士毕业找教职的时候，有一位老师批评了我一顿。他说：你做遥感的就是做遥感的，这是你让别人记住你的身份。不同的人有不同的风格，你不需要迁就别人。

我后来想通了。现在别人不提，我反倒主动跟他说：其实我还做很多遥感的事情。这个标签我不再藏着了，我把它秀出去。

04 悖论时刻

最不满意的论文，引用量最高

越满意的文章，越没人看

杨学：对我自己比较满意的那些论文，往往引用量不高。反倒是我那几篇引用量最高的，我对它越来越不满意。

原因是早期做学术的时候，对领域还没有独到见解，很多都是跟风去做——跟风之作容易上手，所以容易火。但随着你对领域越来越熟悉，学术品味不断提高，你做的东西可能门槛更高了，很多人看不懂。

我最近看到一个李荣浩的采访，他自己说最不看好的两首歌反倒是他最火的代表作——一个是《李白》，一个是《不将就》。不管是做音乐创作还是做学术研究，好像都有这个现象。

05 拒稿轮回

一篇论文绕了一个完整的圈

与其学会安慰自己，不如降低被拒的概率

杨学：我影响力最大的那篇论文，最终发在 CVPR 2021。但其实 2019 年就投出去了——投 CVPR 2020 被拒，转投 ICCV 被拒，转投 ECCV 被拒，再转投 CVPR 2021，相当于一个轮回，然后中了。

从结果看还好都中了，引用量还挺高的。所以不要担心被拒了心情很差——客观看待审稿意见，有用的筛出来改掉，没用的不要管，不要被情绪带走。

但说实话，我觉得更重要的不是怎么安慰自己，而是怎么降低被拒的概率。很多学生抓到一个点，发现涨点了就硬往下做，不去思考这个东西即使涨 10 个点有没有意义。想清楚 motivation 再去做，比什么都重要。

06 神奇的人

两次灵光一现，都来自同一个朋友

不要单打独斗，尤其在这个时代

杨学：有一个对我影响很大的研究伙伴。第一次，我们都在用框来表征目标，他跟我说：能不能用高斯分布？我一开始觉得惊为天人，后来真去做了，work 了，产生了一系列成果。

第二次，还是这哥们，他花了一个晚上写了一套代码——只用水平框监督，输出的旋转框预测效果竟然跟全监督差不多。我们都很震惊，花了好长时间检查有没有数据泄露，后来证实没有。这个发现后来衍生出了我们整个弱监督有向目标检测的系列工作。

我做这个方向太久了，很多思维已经固化了。但跟志同道合的人交流之后，他们会提出我以前完全没想到的东西，甚至直接帮你跑通了，你只需要沿着他的点往外扩。

李翔：交流其实挺重要的。

杨学：真的不能单打独斗，尤其这个时代下，绝对不能单打独斗。

07 时代转轨

从单兵英雄到大兵团作战

论文中不中，可能以后没那么重要了

杨学：大模型时代下科研发生了实质性的变化。

首先是工具。以前一个博士写一套代码，在 GPU 上吭哧吭哧跑就行了。现在对代码能力的要求极大程度降低了——你只需要会用 Cursor、Claude Code 这些工具，把需求写清楚就能实现。但对你其他方面的能力要求反而更高了。

其次是实验管理。我做过一个 256 卡跑一个实验的代码，跑一次可能需要两周。按以前的方式做消融实验，一年跑完也得不到几个结论。你必须在有限的实验次数下挖出更多有意思的现象。

第三是协作模式。以前一个人能搞定，现在涉及数据、架构、预训练、后训练、评测、基础设施——需要很多人，大兵团作战。

最后是评价体系。以前最终目标是论文录用。但现在很多前沿机构并不在意论文有没有中，更多是以技术报告的方式放出来。我觉得未来一两年，论文可能没那么重要了，反而是生态影响力更重要——中不中论文可能也能毕业，甚至也能拿到教职。

08 “青椒”生存

没卡没经费，怎么把实验室建起来

不瞒你说，我们现在用的还是 3090 和 4090

黄树东：大兵团作战的理念很好，但它有前提——算力设施完善、经费充足、人力充沛。像我在西部高校，条件相对差一些，甚至有同行只做偏理论偏优化的方向，因为完全可以不用卡也能发文章。在这种条件下怎么展开协作？

杨学：不瞒黄老师说，我们实验室虽然也挂靠上海人工智能实验室，但现阶段整个大课题组只有我博士期间用下来的 3090 和 4090。A100、H100 我们买不起，即使买得起也没地方放。而且我跟大老板方向差异比较大，基本独立运作。

刚回高校确实觉得好多东西好难——要经费没经费，要卡没卡。学生交大倒还好，不太缺。但如果你没把实验室建起来，后面学生也会缺的，因为没人来找你了。

我现在的策略是几条线并行：实习方面，只放科研实习，不放纯工程的；项目方面，尽可能接科研性质的横向，借助大厂资源做更有影响力的工作；学生方面，刻意培养几个能力强的学生，让他们去带新人。我尽可能不去干扰学生的科研讨论——我发言的时候，往往是他们说"API 钱不够、卡不够"的时候，我说“我尽量帮你们想办法”。

09 系统性与追热点，真的冲突吗？

既蹭了热点，又没脱离系统性

黄树东：在时间有限、评价机制内卷的情况下，短平快的蹭热点和系统性的深耕之间，怎么做到平衡？

杨学：这两个事情不是完全对立的。我在做系统性科研的同时，也需要去了解热点在做什么。比如 Transformer 爆火的时候，我就去想——这个东西能不能和我做的有向目标检测做一个有机的结合？如果可以，既蹭了热点，又没脱离系统性。

到了大模型时代，大兵团作战本身就把这两个事情统一了——你做的就是热点，而且人多了，自然会形成系统性。每一个人参与进每个课题，课题之间就会产生关联。

李翔：本质上还是要往一个更 high level 的角度去思考。不能老陷在一个 local 的思想上——某个特征怎么连，某个模块怎么设计。要从整体的任务 setting 角度来考虑。

lllustration Generated by AI

-The End-

本周上新！

扫码观看！

“AI技术流”原创投稿计划

TechBeat是由将门创投建立的AI学习社区（www.techbeat.net）。社区上线700+期talk视频，3000+篇技术干货文章，方向覆盖CV/NLP/ML/Robotis等；每月定期举办顶会及其他线上交流活动，不定期举办技术人线下聚会交流活动。我们正在努力成为AI人才喜爱的高质量、知识型交流平台，希望为AI人才打造更专业的服务和体验，加速并陪伴其成长。

投稿内容

// 最新技术解读/系统性知识分享 //

// 前沿资讯解说/心得经历讲述 //

投稿须知

稿件需要为原创文章，并标明作者信息。

我们会选择部分在深度技术解析及科研心得方向，对用户启发更大的文章，做原创性内容奖励

投稿方式

发送邮件到

yimingzhang@thejiangmen.com

或添加工作人员微信（aceyiming）投稿，沟通投稿详情

关于我“门”

将门是一家以专注于数智核心科技领域的新型创投机构，也是北京市标杆型孵化器。 公司致力于通过连接技术与商业，发掘和培育具有全球影响力的科技创新企业，推动企业创新发展与产业升级。

将门成立于2015年底，创始团队由微软创投在中国的创始团队原班人马构建而成，曾为微软优选和深度孵化了126家创新的技术型创业公司。

如果您是技术领域的初创企业，不仅想获得投资，还希望获得一系列持续性、有价值的投后服务，欢迎发送或者推荐项目给我“门”:

bp@thejiangmen.com

点击右上角，把文章分享到朋友圈