future-of-research

用户强烈推荐Pierre Marion的文章，讨论若LLM将科研中的公式计算、写代码、检索文献等环节提速10到100倍，稀缺资源将转向选题、建模与价值判断；作者批评以论文数量和h-index为核心的评价体系正在失效，主张用AI扩展探索空间，把人类时间留给判断、品味与培养下一代研究者。

Jeremy Avigad 在 Terence Tao 的博客上发表的客座文章，反思了最新 AI 能力如何颠覆数学研究的工作流程，并主张数学家必须在 AI 时代通过攻克更难的问题、追求更深的理解来做出调整。

数学家 Christian Szegedy 发表了一篇反思性文章，认为数学或许并非走向终结，而是在人工智能塑造的新时代中「毕业」，他借助关于探索、竞赛以及学科结构的类比，来勾勒这门学科的未来。

本文探讨了人工智能系统如何在数学领域逐渐超越人类，并提出了一种积极的愿景：通过调整学术机构的结构与方向，以维持人类在数学领域的理解与进步。

CMU博士生Emmy Liu回顾了ML/NLP研究的演变，从手动工作到AI辅助再到Agent时代，探讨了研究者在新时代中的价值。