今年,我和王喆老师同时做了一个神奇的决定:去读了个在职博士。读了两个月之后,发现自己的博士有一半好像是 AI 在读。我们决定坐下来仔细想想这件事:AI 对学术和博士的具体影响。
我刚开始用 AI 找研究方向时,真有一种得救了的感觉。它能解释学术前沿,推荐论文,连方法和初稿都替我想好了,好像只要数据到位明天就能写完。
但很快就发现很多地方都不对。
比如我换了个方向问,它又觉得新方向特别好,迎合得非常迅速。再继续深挖,参考文献有些题目和内容完全是错位的。研究设计里也有一些具体的问题,是你真正实操、上手做数据调参数的时候才能发现的。
本期我们聊了聊这些具体的经历,聊聊那些 AI 帮的大忙和添的大乱。比如,如何把课程和论文整理成了一张可以跳转的知识地图?为什么同一批历史数据试得越多,就越要小心?AI 是如何一点点消磨掉你解决问题的信心的?以及学术界出现的 AI 贫富分化,用得起的人才能做出更好的论文,这个现象似乎已经非常明显了:当老师不断提高作业难度时,学生到底在学习,还是在花钱调用更贵的模型?
本期嘉宾:王喆(Steve Wang),Sitesfy AI创始人,前特赞科技(Tezign)联合创始人及CTO,连续创业者。
节目开始前,有一个给《墙裂坛》听友们的小福利:
🟧 11 月 22 日,来虎嗅 F&M 创新节·商业消费日!
本期给大家争取到了 20 个单日赠票名额,领完后可以继续追加。今年活动以「上下文中,见未发生」为主题,邀请产品创造者、品牌经营者和内容创作者,分享各自的实践与思考。
📅 2026 年 11 月 22 日(周日)
📍 北京 798 艺术区·79 罐
大家可以扫描活动二维码,填写问卷并添加小助手,即可申请赠票。渠道口令为 【xxp1122】。

时间戳
00:16 我俩今年一起完成的事:同时读起了博士,也写完了一本书
01:55 信息系统研究什么?AI 怎样参与科研与审稿?
05:48 如何把课程和论文做成知识地图,管理自己的学习过程
07:38 AI 觉得我的每个方向都好
13:17 从工作回到学术,“贡献”到底要说清楚到什么程度?
16:21 投稿、审稿和署名,导师为什么开始担心“信任”?
23:21 文字越来越工整,判断内容却更费时间
25:26 作业被退回后,王喆老师重新学习写作和定义研究问题
31:13 让 AI 帮忙试错,为什么实证研究尤其要小心?
33:35 跨学科的机会,代码库里不断扩散的错误
37:45 我们把记忆交出去,也开始失去自己解决问题的信心
41:31 AI 也会提好问题以后,人还想研究什么?
43:44 作业越来越难,学生买得起更强的 AI 吗?
文字稿:请见《墙裂坛》公众号
延伸阅读:

