AI 时代，PhD 路上的 10 个关键问题｜对谈李磊：港大 PhD、小米 MiMo 研究员

摘要

• 数据公司的长期价值，取决于能否持续补上模型的新短板。 李磊认为，需求会持续存在；如果数据公司不能持续产出高质量数据，模型自身产数能力提升会让成本降得很低、竞争更加激烈。能识别能力缺口、组织专家并规模化交付的pipeline，优势反而可能扩大。模型公司购买数据，也是购买推进智能前沿的时间；他称“时间是不可逆的资源”。
• 李磊预期RSI在明确任务上的进展会非常迅速，关键缺口仍是决定研究什么。 搜索更好的参数、算法以及生成数据，都可以通过增加compute推进；但“什么问题是重要的”、下一阶段该解决什么，目前仍主要由研究员判断。他尚未看到特别令自己兴奋、形成充分共识的RSI benchmark。
• 小米的后训练直播把大规模RL的训练动态与成本推到了公众面前。 李磊称，团队早期训练时看到大规模RL能带来“非常全面”的能力提升，希望借MiMo V2.6的Pro、Flash两款模型，给行业做RL的信心。国内反馈集中在费用，海外反馈更关注透明度；近乎公开TensorBoard，也让研究者获得分析训练dynamics的“金矿”。
• 在李磊参与的招聘中，论文已从重要筛选标准退为“nice to have”。 他更看代码和数据是否开源、issues有没有维护，以及模型是否有人使用；声称SOTA却每月只有数十次下载，“可能”意味着问题没那么重要。Koji追问这些指标能否被hack，他承认可以，评价体系始终存在reward hacking。
• 论文供给激增后，研究传播本身成为影响力的一部分。 一个会议从几百篇论文扩到四五千篇，读者越来越依赖推荐与社交媒体；李磊把这称为“attention is all you need”的显化。他有2.4万小红书粉丝，但给PhD的建议是利他、坚持、做自己，用持续输出找到相同research taste的人。
• PhD是否值得读，首先取决于你希望用这段时间回答什么问题。 李磊不认为进入大公司必须先拿学位：“他做得牛，所以他能去。”他看重的是相对完整、可以满足好奇心的研究旅程；选择时，导师和课题组的差异远比Top 30与Top 50的学校标签更值得调查。
• 研究效率来自充分选题、尽早验证，再快速执行“难而正确”的问题。 李磊曾花半年多调算法，最后发现假设本身错误，如今会先抽出minimal hypothesis做小实验。Koji质疑难题意味着慢，他的回答是：重要问题哪怕只推进一点，也可能获得很大影响力，关键是找到可靠切面。

精读

1. 读PhD的价值取决于你想回答什么问题

• 李磊同时是港大在读博士和小米后训练研究员。2023年11月入学两个月时，他参加了自己的第一个会议；他说自己当时有一篇工作，师弟的论文也拿了Best Paper。这让他觉得是“巅峰开局”，同时也担心会不会“出道即巅峰”。
• 真正推动他读博的，是想到十年后躺在床上，可能仍会后悔没有这段经历。他承认工业界待遇让机会成本变大；到了final year，同学们除了学术，聊得最多的也包括package，但他仍希望留出时间研究自己想做的事情。
• 对“为了进大公司而读博”，李磊认为没有必要，Jason Wei等研究员的路径说明：“他做得牛，所以他能去。”另一种期待则值得：用相对完整的时间满足好奇心、补知识、训练研究与传播能力。“人活八十岁”，其中五年可以是一段特殊旅程。

2. 选题慢一些，验证和执行要快

• 李磊把选题拆成difficulty与importance：问题不够难，competitors会很多，也容易被beat掉；问题足够重要，即使只能“make a little bit of the progress”，也很有可能获得很大影响力。他强调的是找到一个切面，给出可靠的部分解释或实验分析。
• Koji的追问值得保留：难题做得慢，怎么及时得到正反馈？李磊认为两者可以兼容——大家知道问题难，对完整解决的要求反而没那么苛刻，一小段扎实进展就可能成为后来者的重要milestone。
• 对超过一百位老师、研究员发起的“慢研究”倡议，他理解其重点是：不把发表论文作为唯一筛选标准，要求学生打牢基础，讲清做了什么、为什么做、怎么做。它不是说不要做科研，而是要平衡课业和科研投入，做重要的事并逐步推进。
• 他曾花半年多调一个算法，最后发现假设错了。现在会先抽出minimal hypothesis，用小实验尽早验证；方向确定前密集读论文、找研究者讨论，确定后则提高GPU利用率、数据处理速度，用AI帮助并行推进。“快和慢是相对的。”

3. 模型的“锯齿状”能力让研究空间继续存在

• 李磊观察到，PhD的焦虑有三层：先满足publication和毕业要求，再担心发出的工作有没有意义，最后考虑能否顺利进入职场。Astra等系统出现时，一些做具身研究的人会感觉自己的整个domain被颠覆。
• 他的应对是回到实验：“真的坐在电脑面前”，去coding、设计harness、跑数据，观察模型具体怎么表现。大模型是“锯齿状”的智能，有些地方非常强，也有能力完全缺失；social media容易放大可见成果，剩余问题需要亲手检查。
• Koji猜测OpenAI持续采购具身数据，可能解释相关能力的来源，李磊只回应“我们猜测可能是这样”。他明确说自己不是具身专家，但能力从哪里泛化而来、simulator与真机之间有没有gap，都仍值得研究。

4. 论文系统承压，录用结果承载不了全部评价

• 作为审稿人和Area Chair，李磊看到工作量从两三篇增到大约十篇，DDL下判断的随机性可能上升。他提到NeurIPS有三个会场；社区也在尝试限制投稿、增加资深审稿人的责任、引入AI辅助。比如CHAIR-AI要求两位senior SPC讨论后再做决定。
• 对Koji提出的“用SOTA模型写一百篇、靠概率中稿”，他直接称其为对系统的“DDoS攻击”。论文的目的本来是分享有意思的研究，关键问题是：“他真的把这些东西弄清楚了吗”，有没有实验或理论支撑所提出的hypothesis。
• 他也保留另一种可能：如果人加AI确实提出一百个有价值的问题，并给出solid答案，投不投稿都无所谓。只是批量产出并没有消除验证成本，仍需要大量human effort确认结果。
• 在候选人筛选中，paper已经更接近“nice to have”；开源贡献也可能被AI生成的PR包装。因此他会继续检查代码、数据是否开放，issues有没有维护。“大家不要把这个accept or not作为最终的一个reward。”

5. 影响力来自真实使用，也需要主动分发

• 李磊会看Hugging Face下载量：如果模型自称SOTA，上个月却只有数十次下载，可能没有解决那么重要的问题。Koji追问下载量能不能hack，他承认可以，但认为下载、存储等成本会让操作代价更大。
• 学术分发方式也在变。过去ACL录用论文只有几百篇，可以按关键词和熟悉的老师筛选；如今一个会议四五千篇，读者不可能逐一浏览，只能更多依赖推荐。在这些系统中获得权重，能够“amplify你工作的价值”。
• Koji提到他有2.4万小红书粉丝，李磊也分享过citation超过一万的笔记。他认为社交媒体的直接价值是反馈快，并能找到research taste相近的同学；“大粉理论”则把粉丝、点赞超过citation，视为“attention is all you need”的显化。
• 他的运营建议是“利他”“坚持”“做自己”。早期持续发论文notes，增长很慢，后来一篇讨论引用与粉丝关系的内容才带来跃升；他分享On-Policy Distillation等研究笔记，也是在表达真实兴趣。争议观点容易吸引评论，却未必让人觉得内容和作者本人有关。

6. 博士训练要从独立研究走向带人和产业协作

• 李磊划出的第一个阶段，是掌握完整研究基本功。即使AI能辅助，也值得自己从头实现基础算法；他提到用NumPy、MATLAB等实现SVM，以及学习吴恩达的Coursera课程，泛化、overfitting等概念至今仍在发挥作用。
• 独立完成研究还包括写作、设计实验、justify hypothesis，以及把知识传播出去。AI可以充当reviewer或老师，帮助完善假设；开源、博客、软件和分享则帮助maximize impact。能够独立做好paper并获得一定影响力，才算跑通pipeline。
• 第二阶段是leadership：从“generator”转向“critic”，把方法教给更junior的同学，并case by case调整指导强度；self-motivated的人可能只需少量引导，另一些人需要更密集的supervision。第三阶段是进入工业界，面对更现实、更多维度的竞争，他说自己也还在学习。

7. 冷启动靠作品累积，也靠进入关键网络节点

• 李磊大二升大三时发过大约十封cold email，只收到一封回复。孙旭老师给了他进组实习的机会，随后才有顶会工作和保研。他认为今天教授邮箱更拥挤，工业界又受算力与HC约束，主动reach out依然必要。
• 低算力条件下，可以做GitHub项目、harness或有意思的应用；偏研究的路径，则是把fundamental理清，写好research blog，用小实验论证想法。他举苏剑林早期以推导为主的博客、后来提出RoPE并成为Kimi研究员，说明作品可以先于资源。
• 没有回复会很常见，但输出本身也是学习过程，要把想学、想创造的东西呈现成作品集。他把这个过程比作“冒泡排序”：持续积累，慢慢被看见。自己最早获得的金山实习机会，也来自对方看到了他的博客。
• 他转述《巴拉巴西成功定律》中的两个发现：诺奖得主也难预测哪篇会成为代表作，因此要持续创造；艺术品进入某些不算著名的市政博物馆后，却更容易被大馆借展，因为它们是关键节点。Koji说“只要一直build就有好事发生”，他补充：“聪明地build。”

8. 导师匹配比学校标签更需要实地验证

• 李磊把选导师的优先级放得远高于选学校。他认为Top 30与Top 50可能没有本质区别，顶尖名校的名字确实能带来识别度，但组与组之间的variance更大。PhD仍很像师徒制，长期相处方式直接影响成长。
• Google Scholar、CSRankings和公开演讲，只能提供公开信息。他更建议私下联系在读生和毕业生，同时看成果与精神状态：有人著作等身却非常痛苦，不能只用产出来判断一个组是否适合自己。他举港大NLP和北大计算语言学研究所为氛围轻松愉快的组。
• 他在上海AI Lab实习时认识现在的co-supervisor孔令鹏，合作大约半年后才觉得风格match。RA因此是推荐路径：既能实际体验合作，也能融入学生群体，了解课题组情况。导师选择是“双向匹配”，一些差异需要半年甚至更久才能看清。
• 地域判断同样有条件：内地更方便接触工业界，但要筛选能平衡项目压力与学生成长的组；香港与内地联系紧密，老师profile在他看来更有活力，也有生活压力。美国部分他明确说不太了解，只转述朋友对签证、CPT和实习困难的反馈，同时承认更接近硅谷及美国学术圈。

9. 教授创业能放大资源，也会传导出资方的要求

• 李磊认为，科技导向的融资环境把前沿researcher和professor推到创业前台。公司形式可以更灵活地买卡、招工程师、采购数据，突破部分学校funding限制，让更大的project更快聚齐要素，起到“杠杆加速”的作用。
• 另一面是拿钱之后会有要求，压力可能层层传给学生，带来学术以外的“dirty work”。他把它视为硬币两面：使用更多资源需要付出代价，学生应按自身阶段权衡需求，不能只看资源增加这一侧。

10. Agent与大规模RL构成他2026年的两次震动

• 回顾2026年，李磊最看重agent范式走到前台。他最早研究的是句子positive还是negative，后来模型能翻译、写作文，如今加上tools和脚手架，可以自动完成很多事情。他期待这些能力下一步从digital world走向physical world，产生新的火花。
• 另一个aha moment来自团队早期训练：李磊觉得它有点像R1，并认为大规模RL能带来非常全面的能力提升。把后训练拿出来直播，也是在面对一些不利于中国大模型形象的rumor时，给行业一个正向信号：这件事可以做，效果也很好。
• Koji提到直播涉及MiMo V2.6的Pro、Flash两款模型。李磊强调RL对infra和数据要求都高，团队希望用透明方式建立信心，配套开放该开源的内容，也通过直播吸收feedback，修正不足、放大做得好的部分。
• 国内观众最关心费用，页面上直接显示金额，形成“人民币在燃烧”的感受；李磊转述，海外评论更惊讶于透明程度，有人称其为首次工业级直播。近乎展示TensorBoard，使训练dynamics成为外部研究者可以分析的“金矿”。

11. 数据公司的生意要随着模型边界不断升级

• 对数据公司的高估值，李磊先说明自己并不特别了解估值，但不认为明显过分：算力、数据、人才都贵，数据生产复杂度和质量要求也已上升很多个量级。他把好数据视为智能的源头，同时强调还需要扎实算法与好的infra。
• 持续需求来自模型“锯齿状”的能力边界。数据公司要找到缝隙，组织专家、设计激励、规模化交付；模型公司也能做，却会分散精力和算力。“时间是不可逆的资源”，所以模型公司愿意花钱购买数据。
• “高质量”始终相对于特定模型：数据太难，能力不足的模型也学不会。供应方需要判断难度、评估模型，并source expert；还要平衡两种价值——让demo酷炫的PR价值，以及模型真正学会能力后产生的经济价值。
• 他对可持续性给了明确条件：能持续生产高质量“燃料”的公司，会持续产生新价值；做不到，生意就肯定做不下去。因为模型自身生成数据的能力会提高，成本就会降得很低；拥有持续升级的规模化pipeline，优势才可能被放大。

12. RSI正在推进执行环节，研究方向仍由人把关

• 李磊认为RSI的信号“越来越强烈”，但提醒定义很宽。广义上，模型生成数据帮助自身改进，已经算self-improvement；更具体的讨论则包括自己训练自己、探索post-training分支，以及寻找更好的参数和算法。
• 他预期这些环节的progress会非常迅速，因为问题well-defined，模型擅长搜索，还能通过scale compute找到更好的路径。在训练过程中，模型的PPL会不断下降，研究员也能让模型协助数据、训练等环节的改进。
• 更前面的缺口是：“什么问题是重要的”，下一阶段需要解决什么。只有具备这类能力，研究员才能放心交出端到端研究；目前他还没看到这里有很好的提升。被问最有影响力的RSI benchmark，他也没有给出推荐，认为领域仍早期，尚未形成良好共识。

13. 好的benchmark必须增加一个真实能力维度

• 李磊用自己参与的Video-MME举例：当大家还在评估六秒视频理解时，他们把时长拉到一个多小时。随着agent变强，看懂电影、长期分析视频会变得重要，因此六秒到一小时测量的是一个“new dimension”，而非简单延长题目。
• 第二个要求是问题来自use case，数据质量足够高。过于artificial的任务容易被模型捕捉，形成“它知道你在测试它”的表现，最终与真实用户体验拉开很大gap。
• 第三个要求是impact和易用性：做好“一键启动、一键测评”，适配主流测评套件，并让别人复现分数。生态整合之所以重要，是它直接节省采用者的时间，让别人更有可能adopt这个benchmark。

14. 专业红利会变化，持续学习和身心状态更值得守住

• Koji提出，MIT大一新生选择机械工程成为最热门专业，美国四年制本科CS入学人数同比下降8.4%。李磊先保留“可能会有很多别的因素”，再判断如此大规模下降，可能包含junior coding需求被AI吃掉一部分的影响：“一代版本一代神。”
• 他仍认为，人们即使不主修CS，也应通过一两门课建立general理解，并能在AI辅助下coding。面对“给高三弟弟推荐什么专业”的假设，他不选具体专业，建议与自己比较、持续进步，在一行维持相对前20%—30%的水位，不必执着于top 1%。
• 对AI与非AI人群的分化，他承认自己幸运，也认为鸿沟中有很多“梯子”。ChatGPT、DeepSeek、MiMo提供了丰富知识，各领域的人可以用工具改变效率和工作范式，也能贡献专业能力帮助模型进步；关键是意识到变化并积极拥抱。
• 漫长博士阶段里，他认为身心健康始终是第一位的，也提到“搏击理论”和换换脑子。最后的祝福很直接：“paper迟早会中的，饭还是得吃，觉还是得睡。”没有什么大不了的。