AI科研产生的一些疑虑

Jin 2026-06-14 00:32 1

AI时代,大家习惯给个提示词让AI写代码满足需求。理工科类小白的我最近产生了一种焦虑就是很多时候代码生成出来了,看看结果差不多,然后大致让其他模型扫一眼没问题就算ok了,但是后面我发现很多(特别是算法类的),还是得自己非常清楚背后的逻辑,对于代码部分还是得心中有数,不然很可能表面是对的,实际上还是有问题(比如AI偷懒,没有完整写清楚某个函数的功能)。不知道大家如何解决这个困惑,是更好的skills还是啥?还有就是降智,很多时候AI降智还会污染之前生成的代码或者完成的部分项目。研究生在AI时代下扮演一个什么样的角色?是不断写提示词还是当个监测员检测完成了多少,是否满足需要。attention is all you need,所以作为研究生,特别是AI时代下的研究生,attention最应该是?

【总结一下】 AI时代的研究生不应沦为提示词工人或机械的代码监测员,而要做顶层设计者与关键节点的判断者。你的 attention 最该放在三处:算法原理的底层逻辑AI容易偷懒或污染的关键环节,以及用独立审查交叉验证最终结果。代码可以交给AI写,但“对不对”“为什么”必须自己心中有数——这才是不可被替代的研究素养。

最新回复 (19)
  • 暮光 06-14 00:34
    1

    这个问题没办法,你必须对具体的算法要熟悉,不然AI出错了你都发现不了

  • 暮光 06-14 00:34
    2

    尤其是AI降智的时候,特别恶心,你不指出错误它就偷懒

  • Jin 楼主 06-14 00:35
    3

    是的,孩子最怕就是降智,咋办啊,降智还会污染之前的项目

  • Bisquiz 06-14 00:35
    4

    写个 skill 让 ai 写完代码之后拷打自己,回答不出来不准继续)

    研究用途还是必须要自己懂算法的^-^

  • 暮光 06-14 00:36
    5

    别说了,我前几天要5.5 改一个功能,把我之前的数据删了,还好有之前的快照能够恢复,气死我了

  • 晕晕 06-14 00:37
    6

    很多(特别是算法类的),还是得自己非常清楚背后的逻辑,对于代码部分还是得心中有数



    答案你已经写出来了 工具再好用也是辅助作用,关键还是人 不然你就是在借助不属于你的力量 不管怎么说必须有辨别他降智的能力,用ai治ai还是不太靠谱

  • Reyes 06-14 00:37
    7

    我也是有这种感觉,我都是在开组会前一天狠狠的让AI给我写,我也没细看过就第二天给老师汇报,总感觉自己写的和ai的差得远并且感觉自己什么也没做。

  • 暮光 06-14 00:38
    8

    对,我也是,感觉AI好像跑了一天干了很多,又好像什么都没跑

  • Jin 楼主 06-14 00:39
    9

    除了烧了很多Token外,没有其他收获了

  • 暮光 06-14 00:40
    10

    跑之前可以看看 aistupidlevel 这个榜,看看准备用的模型是不是正在流口水,及时切换

  • Polaris_Sun 06-14 00:40
    11

    我目前也出现了这种问题,我是觉得可以这样子做:

    1.codex和GPT都使用,可以开个私有GitHub,然后GPT网页版去链接自己的GitHub账号,然后在网页版GPT上去询问codex修改好的代码是否满足自己的要求,然后注意网页版GPT不要降智,基本上还是效果不错的

    2.然后可以让GPT根据codex生成的代码,给用md语法画出架构图和流程图,如果出现很明显的问题,大眼一扫就可以发现;codex写的有逻辑bug的地方,大多数都是这种,稍微理一下还是可以看出来不太对的

    3.如果还有时间,就深入代码一个个读,这种可以deepseek v4-flash接入Claude code,然后开一个vscode去看代码,然后让deepseek给你讲

    这三步下来,我目前感觉不是那么的费时间,而且正确性还是可以保证很多的,目前codex实现单一代码的能力还是很强的,感觉更多需要注意的是整体架构上,然后通过2就可以解决的差不多

  • Reyes 06-14 00:41
    12

    是啊,但是一方面感觉ai效率很高很省事,一方面感觉自己什么也没学到什么也不会,我能意识到这种模式不对但是就是改不过来,感觉一直这样下去我要完蛋了

  • 暮光 06-14 00:42
    13

    我现在准备先推数学公式了,不然感觉啥都没做,什么都没干

  • Reyes 06-14 00:44
    14

    我现在也是尝试着做到自己能完全看懂ai写的代码,但是还是很焦虑,我感觉现在很长时间没自己上手写代码过了

  • Polaris_Sun 06-14 00:44
    15

    我个人经历感觉降智主要还是IP纯净度的问题,可以考虑去隔壁IDC拼一个车或者买一个好一点的梯子,去关注IP的纯净度,我觉得还是可以解决不少问题的

    IP纯净度工具我一般喜欢用这个



    下面这个也还行:

    https://iplark.com/


    用GPT的时候,尽量控制一下IP的质量,还是可以解决不少降智的问题的


    PS:目前自己好像没怎么看到codex降智的情况,主要是网页端降智,如果担心降智的话,是不是可以一直用codex,自己用下来好像确实codex是不降的,就是额度有点少是真的 ^-^


    PPS:我看佬友没说是GPT,那佬友可能还用了其他模型,如果是Gemini降智的话,我记得好像除了网页版,其他渠道都是不降的,网页版确实降智太拉了,可以在论坛里搜一搜,看看哪个地方的gemini不降智


    国内的话:kimi对话还有deepseek对话自己感觉都不太行,国内我觉得能用的就是qwen,国内模型我自己没太感觉出来降智的情况,倒是国外模型多一些 ^-^

  • 暮光 06-14 00:45
    16

    代码我觉得倒是没有必要,现在功能代码多审几遍出问题的可能性不高,主要还是选题立意,方法选择,实验设计之类的

  • Awatea 06-14 00:45
    17

    可以考虑用智能较高的模型去做计划,监督和审查,用能力普通的模型去coding。有很多现有的工作流都考虑到了这个问题,比如codex best practice, superpowers, oh-my-openagent之类的都可以参考。


    在执行一个任务之前和完成之后,可以考虑使用智能较高的模型去做空白上下文的独立审查。如果是关键的代码,也可以使用便宜且长上下文的模型(Deepseek,Mimo之类的)去理解AI写出的代码。


    体感而言,人的作用不可或缺

  • Water 06-14 00:45
    18

    一个劲让ai跑,看着跑出来很多结果,很爽。但你深究下来就发现,有些东西似乎不太对。最终还是得自己从头来过,一关一关把控。


    ai的attention是奇怪的,会被奇奇怪怪的影响。关键记录文件是会被污染的,说了一遍又一遍的注意事项不存在的。


    最后只能说是,无论是人还是ai,attention is all you need

  • jogging 06-14 09:25
    19

    AI的作用是降本增效,即其局限性在于自己要找到哪些是重复体力劳动,这些用AI。


    如果是一些核心的东西,因为大脑的基因的惰性,什么都交给AI(特别是核心东西),那么长期后果会比较严重。

* 帖子来源Linux.do
返回