港大博士李磊：批量投100篇论文是对审稿系统的DDoS攻击

「paper 它本身其实并不是为了让他中稿，而是说我做了一个很有意思的研究。」小米 MiMo 大模型后训练研究员、香港大学 NLP 方向在读博士李磊，在十字路口的一场对谈里，把这句话摆在了最前面。

他复盘了自己从西电本科、北大计算语言学研究所硕士到港大读博的路径，也把 AI 时代读 PhD 的十个关键问题拆开讲了一遍。核心方法论只有四个字：难而正确。

难而正确，拆成两个维度

李磊把「难而正确」拆成 importance 与 difficulty 两个维度。在重要且难的问题上，微小进步也能带来远超比例的影响力，外界苛责反而更少。

他的判断很直接：不够难的问题一定会被大量 competitors 迅速 beat 掉；而大家公认难的问题，只要找到好的切入点、把一部分解释或实验做扎实，就能成为后续研究者的 milestone。

配合高强度快速迭代，并及时向社区、peers 和资深老师获取反馈，这套打法能显著降低 PhD 阶段的焦虑。他还强调要亲自 coding、跑数据、看模型真实表现，而不是被 social media 上的 hype 震住。

灌水正在压垮审稿系统

AI 论文灌水是这场对谈里最尖锐的一段。李磊说，批量用 SOTA 模型生成几十上百篇投稿，本质是对系统的 DDoS 攻击。

他本人既是审稿人也是 area chair，工作量从每人两三篇涨到十篇量级。DDL 战士情境下，决策随机性变大。社区在尝试的解法包括：限制投稿数、让资深 SPC 共同决策、引入 AI 辅助审稿。

与此同时，publication 体系正在被弱化。招聘时 paper 变成 nice to have，没有论文反而可能说明候选人选择不玩这个已经坏掉的游戏。

评价体系正从论文转向真实世界影响力：开源代码与数据、HuggingFace 下载量、社交媒体声量都在成为新指标。但李磊提醒，任何指标都会被 reward hacking，所以更该看代码与数据是否开源、issues 是否维护、下载成本与真实性如何。

他引用「大粉理论」——PhD 的小红书或推特粉丝量超过论文引用数。在他看来，这是 attention is all you need 的显化：顶会一年四五千篇，没人看得过来，分发权转移到推荐系统，声量大的工作更容易被看到。

他运营小红书的三条经验是利他、坚持、做自己，最终目的是找到同频的人，而非追粉丝数。

选导师优先于选学校

李磊把 PhD 分成三个阶段：独立做好一个有影响力的工作；从 generator 变成 critic，带教 junior；完成学界到工业界的转换。

第一阶段要补 ML、统计等 basics，最好 from scratch 实现基础算法，并学会 paper writing 与实验设计。带教要 case by case，self-motivated 的学生只需少量引导。

冷启动靠三件事：勇敢 cold email、可复现小项目、高质量 research blog。他大三发十封 cold email 只收到一封回复，却打开了大门。他还以苏剑林早期博客推导最终推出 RoPE 为例，说明博客与小实验可以替代算力。

选导师的优先级远高于选学校。他建议看课题组 alumni 的成果与精神状态，并私下问在读和已毕业学生；最可靠的方式是先做 RA 或实习半年再判断双向匹配——他本人就是在上海 AI Lab 实习时认识现在的导师。

所谓「慢研究」，他的解读是选题慢、执行快。对 100 多位老师发起的慢研究倡议，他认为那是在呼吁大家不要为简历灌水 sloppy 论文，而不是反对做科研。

至于读 PhD 的价值，他的说法是脱产满足好奇心与系统训练，而不是进大厂的门槛：「如果说你希望读一个 PHD，以此来进入这些所谓的大公司，那我觉得他是没有必要的。」

行业侧的几个判断

谈到 MiMo-V2.6 Pro/Flash 的后训练直播，李磊说这是对国内大模型形象的正向引导。直播把训练过程和费用公开，国内观众最关心成本，国外观众则震惊于首次工业级训练直播与 tensorboard 细节。

数据公司的高估值能否持续，取决于能否建立规模化高质量数据 pipeline。算力、数据、人才三样都贵，专家数据生产复杂度上升数个量级，能持续产出高质量燃料的公司优势会被放大；否则模型自身产数据能力提升后，竞争会非常剧烈。

RSI 在 well-defined 问题上进展迅速，但「什么问题是重要的」这一决策能力仍未被很好挖掘。他把这称为 taste，也就是定义问题的能力，是目前没有非常好挖掘的一环。

好 benchmark 则需要三样东西：新能力维度、真实 use case 数据、易用生态。还要避免 artificial 数据引发模型 awareness，并做好一键启动与主流评测套件适配。

最后他引用巴拉巴西成功定律：诺奖得主也无法预测哪篇是代表作，只能持续输出。「你可以稍微节奏可以慢，但是你要有逐步的推进，这个是快的。」