Paper 已死，硬核科研当立

2026年4月2日（星期四）19:30 - 21:00，我听了香港中文大学计算机科学与工程系徐强教授的一场报告，题目很锋利，叫《Paper 已死，硬核科研当立：AI 时代科研人的自我修养》。

“Paper 已死”当然是一种有意为之的表达，但它真正刺中的，并不是论文有没有价值，而是另一层更深的问题：当 AI 正在系统性改写科研流程时，科研人到底该拿什么证明自己的价值？未来的科研，又该以什么作为真正的交付物？

听完整场报告，我最大的感受是，AI 时代并没有让科研变简单，反而让“什么才算真正的科研”这件事变得更清晰了。

当论文不再是科研的唯一终点

过去很长一段时间里，论文几乎就是科研成果最典型的代表。一个研究是否“成立”，常常取决于它能不能被写成 paper、能不能发到足够好的会议和期刊上。论文当然重要，但如果把科研的终点完全等同于“发表”，那种范式正在被 AI 时代迅速冲击。

徐强教授在报告里反复强调，未来真正有生命力的科研成果，不应该只是一篇论文，更应该包括可被 Agent 调用的工具、API、Benchmark、Ground Truth 等基础设施。换句话说，科研的价值不再只体现在 citation 上，也体现在它是否真的解决了现实需求，是否能被别人继续调用、复用、扩展，最终进入一个长期运转的技术生态。

这其实是在把科研从“写出来”重新拉回到“做出来”。

围绕这一点，报告里还提到一个很值得记住的评价框架：ROSE。也就是，一个好的科研工作，应该解决真实需求，具备原创性，具有重要性，同时保持一定的优雅性。和“这篇 paper 发在哪儿”相比，这套标准显然更难，但也更接近科研本身。

因为真正好的研究，未必止步于论文；它更可能继续变成工具、系统和方法，继续活在后续的工作里。

Agent 越强，越需要“监管内核”

报告的第二条主线，讲的是 Agent 时代的系统治理问题。

今天很多人谈 Agent，更多是在谈它的能力边界不断扩展：它可以理解任务、拆解流程、调用工具，甚至在某些场景下表现出接近“自主行动”的特征。但越是这样，一个问题就越无法回避：如果 Agent 变得越来越强，谁来保证它最终的行为仍然安全、可靠、可控？

徐强教授给出的回答，是“监管内核”。

这个概念很有意思。它并不是简单地给模型加几条规则，而是试图在大语言模型与外部世界之间，建立一层类似操作系统的约束结构。大模型负责生成开放性的语义输出，负责提出计划、创造可能性；而“监管内核”负责把这些开放语义映射为可检验、可约束、可执行的确定性指令，再通过边界检查和规则拦截，保证系统不越界、不失控。

一句话概括就是：LLM 负责想，内核负责守。

这背后其实是一种非常关键的认知转变。真正成熟的 Agent 系统，不能只靠“更聪明”的模型堆出来，而必须有一套可验证、可治理的底层机制。AI 时代的系统设计，不只是能力问题，更是边界问题。

AI 抹平的是技巧，不是科研能力本身

整场报告里，我最认同的一点，是它没有把 AI 简单理解为“效率工具”，而是进一步追问：当工具越来越强，科研人还剩下什么不可替代？

徐强教授的判断很明确：AI 确实会抹平大量技能层面的差距，但它并不会抹平科研能力本身。自动化更容易替代的，是重复性的劳动，是低水平的“水论文”生产，是那些只靠熟练度堆起来的流程性工作；而真正难以被替代的，是对问题的洞察、对方向的判断、对信息真伪的辨别，以及把一个模糊问题推进成可验证成果的能力。

这其实意味着，AI 时代的科研训练重点已经变了。

未来比“会不会用工具”更重要的，是你能不能提出一个值得研究的问题；能不能和 AI 高质量沟通；能不能判断哪些结果是真的有效，哪些只是模型给出的“看起来像答案”的幻觉；能不能把一项工作从想法推进到真正可复用、可传播、可落地的成果。

工具在变强，但真正决定上限的能力，反而变得更底层了。

问答环节里，真正点破了科研人的“自我修养”

报告后的问答环节，有几个观点非常值得单独记下来。

有人提问，AI 会不会让人与人之间的差距越来越大，尤其是那些本来就擅长组织、判断和领导的人，会不会在 AI 加持下进一步拉开差距？

徐强教授的回答并不悲观。他并不认为科研能力会被少数“天赋型选手”彻底固化。大模型会放大效率差距，这一点很可能是真的；但科研思维本身是可以训练的。如何察觉一个问题的价值，如何辨别信息是否可靠，如何组织自己的研究过程，这些都不是不可学习的神秘天赋，而是可以靠长期训练建立起来的能力。

他还提到，读论文时最重要的，不只是看作者得出了什么结论，而是去想：他是怎么走到这条路上的？一个成熟研究者真正需要培养的，不只是知识储备，更是研究品味和判断力。你不只是要会“读懂论文”，更要会看出问题是如何被发现、定义、推进和解决的。

这一点非常重要。因为 AI 可以帮你更快地总结论文、提取信息、生成思路，但如果你没有判断力，就很容易被看似流畅、实际上空洞的内容牵着走。工具越强，判断力越稀缺。

AI 时代，教育最该培养的不是“会做题的人”

报告里还有一部分关于教育的讨论，也让我印象很深。

在 AI 的帮助下，知识获取和技能学习会越来越“平权”。很多过去必须靠长期积累才能掌握的内容，今天正在变得更容易触达、更容易调用。但这并不意味着教育会变轻松，恰恰相反，它可能会变得更难。

因为当知识本身越来越容易获得时，真正稀缺的就不再是记住多少内容，而是判断什么值得学、什么值得做、什么值得相信。未来真正重要的，可能不只是教学生掌握知识，而是培养他们的判断力、选择能力、批判性思维，以及围绕真实兴趣形成问题意识的能力。

说得更直白一点，AI 可以成为执行器，但前提是你自己先得是一个有方向感的人。没有问题意识的人，工具再强，也只会更快地滑向空转。

写在最后

所以，“Paper 已死”真正想说的，不是论文没用了，而是只把论文当作科研终点的时代，正在结束。

AI 时代真正的“硬核科研”，一方面要求研究者能够产出更接近真实世界需求的成果，能够留下可复用、可调用、可进入系统的交付物；另一方面，也要求研究者重新修炼那些最基础却最关键的能力：问题意识、判断力、研究品味，以及与新工具协同工作的能力。

工具革命已经发生了。接下来真正决定一个科研人能走多远的，也许不是他会不会用 AI，而是他能不能在 AI 时代，依然看见什么问题真正值得被解决。

附：原始听会记录

以下内容保留我当时的笔记式记录，放在文末备查。

小结

本次会议围绕 AI 时代科研范式的变革展开，探讨了科研交付物的重塑、Agent 时代的监管内核，并回应了关于科研价值、AI 工具使用及教育模式等核心问题。

1. 科研范式的重塑与交付物的变革

科研的核心价值不应仅限于发表论文（citation），更应体现在能否被 AI Agent 调用和产生实际的社会影响力。

未来的科研交付物应包含可被 Agent 调用的工具、API、Benchmark 或 Ground Truth 等基础设施，以确保工作的长期生命力和生态位。

提出了“Rose 法则”作为新的科研评判标准：解决一个真实需求（R），具备原创性（O），具有重要性（S）和优雅性（E）。

2. Agent 时代的监管内核：OS 系统

针对 Agent 系统存在的不确定性、不可控性及潜在风险，提出构建一个“监管内核”（OS），作为 Agent 的“缰绳”。

该内核通过将大语言模型（LLM）的语义输出映射为确定性的指令集，结合规则进行边界检查和拦截，形成“神经符号系统”。

目标是让 LLM 负责创造可能性和制定计划，而监管内核则负责守住边界，确保系统安全、可靠地执行。

3. 关键议题与观点探讨

科研价值与“水论文”：强调硬核科研的价值在于对问题的深刻洞察和解决，而非简单的重复劳动。自动化“水论文”系统缺乏认知增益，而高质量的科研过程本身对锻炼个人能力有益。

AI 工具的使用：认为 AI 工具（如大模型）能有效抹平不同能力的研究人员在技能层面的差距，但核心的“科研思维”如如何提出有价值的问题、如何与 AI 有效沟通、如何判断信息真伪，仍是需要训练和培养的。

教育模式的演变：面对 AI 对知识获取方式的冲击，教育应转向培养学生的核心判断力、批判性思维和跨领域整合能力，而非单纯的知识灌输。课堂的角色应转变为引导学生解决问题和进行深度交流。

待办

1. 开源项目发布

徐强近期将会发布其团队研发的监管内核系统（OS），并邀请社区试用和反馈。

问答摘记

刘伟峰：头一两年，和最近两年感受不一样，AI 抹平中等、高级人员的科研能力，但是最近感觉有所拉大。能用好 AI 大模型的人将差距拉开，而这波人有很好的组织管理天赋，从小就有这样的能力，这个能力可以让他们更好地利用 AI。这种差距很难再追赶，固化了，徐老师怎样看待这个事情。

徐强：有不同意见。工业革命抹平体力差距，大模型抹平人的技能差距，但不认为它抹平了科研的能力。科研这套思维方式可以训练，怎样察觉一个问题它的价值、和 AI 有效沟通、如何判断信息真伪，有意识地训练科研的思维就不会被 AI 抹平，所以否认 AI 时代下科研能力与领导组织天赋强相关。徐强的书中也说到不会更大地拉开差距，科研是有规律的，是可以训练的。

论文是读不完的，要精挑细选地去读。在读论文的时候，主要考虑作者是怎样走到这条路上的，而不是真正的研究内容，提升自己的科研品味和判断力，然后就能提升自己使用 AI 做科研的效率和效果。

使用什么样子的模型：用最好的 AI 工具，花钱使用最强的模型来提升自己。

学校教育问题：有了 AI，知识和技能是平权了，但是判断力和选择的能力还是经验丰富的人，比如学长和老师，更加强。

小孩子教育问题：每个时代的人有每个时代的人的需求，不像“登味”很浓的我们这些。你的知识和技能本身平权了，现在的教育在这方面是要改的。小孩子一定要有自己有兴趣和热爱的东西，有热爱的东西肯定就有很多发现、需求和想法，这时候就可以使用 AI 去做，成为自己兴趣和热爱的打工人。有想法有能力的人肯定不会被替代，如果没有什么兴趣又没有什么想法，那 AI 真的会很大程度上替代这些人。