标签
OpenAI建立了一种支持长期研究投注的文化，例如像GPT-live系列这样的全双工模型，正如Kundan Kumar所强调的。
David Bessis 反思了数学研究的本质，认为概念理解比单纯生产定理更有价值，并借鉴了他在学术界和一家机器学习初创公司的经历。
推文指出，评估AI实验室的水平不应只看SOTA模型，而应关注"灌水论文率"，并评论Meta AI内部的风气问题及Alexandr Wang取代Yann的贡献。
文章强调了 Jane Street 通过量化研究推动深度学习前沿的贡献，并着重指出优秀研究人员对此类工作的尊重。
一位研究人员批评了 AI 会议的录用文化，认为其过于注重取悦审稿人，而非产出具有长远价值的工作。他指出，当前普遍要求提供详尽的评估结果，但这些数据几乎不会被后续研究者再次验证。