@Xudong07452910: 最近看到 Anthropic 研究员 Vivek @itsreallyvivek 的一篇长帖,讲怎么真正训练自己的研究能力。 我最有感触的一点是:很多时候,我们以为自己在做研究,其实只是在追热点、刷 Arxiv、看别人讨论什么,然后把那些…

X AI KOLs Timeline 新闻

摘要

分享Anthropic研究员Vivek关于如何训练研究能力的观点,强调自主选择问题、实验前预测、直面失败等习惯,认为研究能力是一种可训练的朴素习惯。

最近看到 Anthropic 研究员 Vivek @itsreallyvivek 的一篇长帖,讲怎么真正训练自己的研究能力。 我最有感触的一点是:很多时候,我们以为自己在做研究,其实只是在追热点、刷 Arxiv、看别人讨论什么,然后把那些问题接过来继续做。 这当然也能产出东西,但很容易变成一种科研角色扮演:看起来很忙,输入很多,笔记很多,实验很多,可心里其实并不确定自己到底在追问什么。 Vivek 这篇帖提醒我,研究能力不是某种玄学天赋,而是一套很朴素的习惯:自己选问题,实验前先预测结果;要多读读原paper;把假设、结果和想法变化都写下来,盯着失败案例,而不是只盯着损失曲线。 越往后越觉得,做研究真的很像训练自己。 你给大脑喂什么输入,它就会长出什么 taste;你愿不愿意面对错误,决定了你进步的速度;你写不写下来,决定了你是在诚实迭代,还是说在靠记忆去美化自己。 同质化输入,只会带来同质化输出。 真正拉开差距的可能是谁能在很长时间里,慢慢训练出属于自己的问题感、判断力和纠错系统。 这篇帖很适合迷茫的时候读一遍。
查看原文
查看缓存全文

缓存时间: 2026/06/12 10:57

最近看到 Anthropic 研究员 Vivek @itsreallyvivek 的一篇长帖,讲怎么真正训练自己的研究能力。

我最有感触的一点是:很多时候,我们以为自己在做研究,其实只是在追热点、刷 Arxiv、看别人讨论什么,然后把那些问题接过来继续做。

这当然也能产出东西,但很容易变成一种科研角色扮演:看起来很忙,输入很多,笔记很多,实验很多,可心里其实并不确定自己到底在追问什么。

Vivek 这篇帖提醒我,研究能力不是某种玄学天赋,而是一套很朴素的习惯:自己选问题,实验前先预测结果;要多读读原paper;把假设、结果和想法变化都写下来,盯着失败案例,而不是只盯着损失曲线。

越往后越觉得,做研究真的很像训练自己。

你给大脑喂什么输入,它就会长出什么 taste;你愿不愿意面对错误,决定了你进步的速度;你写不写下来,决定了你是在诚实迭代,还是说在靠记忆去美化自己。

同质化输入,只会带来同质化输出。

真正拉开差距的可能是谁能在很长时间里,慢慢训练出属于自己的问题感、判断力和纠错系统。

这篇帖很适合迷茫的时候读一遍。

相似文章

vivek (@itsreallyvivek) 在X上

X AI KOLs

一条关于在机器学习中培养真正研究技能的有深度的帖子,涵盖了如何独立选题、培养品味、提升信息输入以及通过写作来厘清思路。

@WWTLitee: 有没有什么办法让AI自主迭代优化? 有,来看看这个 autoresearch 它的核心不是让 AI 直接“发明论文”,而是把研究过程拆成一个可验证循环:人类写 program.md 给研究方向,AI agent 修改 http://tra…

X AI KOLs Timeline

介绍了autoresearch项目,它将AI研究过程拆解为可验证的循环(固定环境、单一可编辑文件、固定指标、Git回滚),使AI agent能进行可控、可复现的实验迭代;同时提及了12-factor-agents清单。

@jxmnop: https://x.com/jxmnop/status/2066668040557867368

X AI KOLs Following

一条推特讨论,为进行人工智能研究提供哲学和实践建议,强调阅读与实践相结合,深入理解基础而非追逐潮流,保持初学者心态,以及纪律和开放心态的重要性。