越来越觉得，顶会中稿量暴增的背后，崩塌的可能不是其“学术价值”，而是它曾经的那种稀缺性。
我22年AI方向博士入学
23年，我中了人生第一篇NeurIPS。
那是大组里的第一篇，老师点名@我祝贺。那时候我觉得自己风光极了，毕竟身边的博士生里，能中一篇下三会的都不多，而我入学第一篇就是NeurIPS。
之后几年，我基本保持着一年一篇：
2024 AAAI
2025 CVPR、TPAMI
2026 CVPR
博士毕业时，手里有5篇一作A，也拿到了优秀博士论文奖。
如果按照几年前的评价体系，我应该算是非常适合继续做科研的那类博士。
但偏偏是在毕业的时候，我第一次真正开始害怕留在高校。

我读博前几年，还是很典型的“手搓论文时代”。
凌晨两三点盯着实验结果是常态。
一组实验跑十几个小时，因为一个参数没设对，第二天起来发现代码在出结果前十分钟报错；
为了赶实验排期，出去玩也要背着电脑；
赶DDL的时候，同时开好几组实验，生怕服务器空一分钟；
改dataloader、查bug、处理checkpoint、写脚本、画表格……
那时候我一直觉得：
这些东西虽然累，但都是自己的竞争力。
你比别人更能熬、更懂代码、更熟悉实验、更善于debug，就能比别人多跑几组实验，多做一点ablation，多发一点paper。
但2025—2026年，Claude Code、Codex这类Coding Agent真正进入我的工作流之后，我开始产生一种非常奇怪的恐惧。
以前一个bug，我可能要查半天。
现在我只要告诉Codex：
“帮我检查一下这段代码为什么这个实验结果不对。”
甚至这句话都不用打字，直接语音说出来。
它自己读repo、找调用关系、改代码、跑测试，再继续修。
以前我可能花几天甚至几周完成的工程工作，现在越来越多地变成了几句话。
一开始我当然觉得爽。
实验效率提高了，写代码轻松了，科研生产率上去了。
但后来我突然意识到一件事：
AI提高的从来不只是“我的”效率。
它提高的是所有人的效率。

#NeurIPS #博士生日常 #人工智能