【十字路口】AI 時代，PhD 路上的 10 個關鍵問題｜對談李磊：港大 PhD、小米 MiMo 研究員【影片播客】

小米 MiMo 團隊後訓練研究員李磊認為，AI 時代讀 PhD 的核心不是論文數量，而是選「難而正確」的問題、快速迭代拿反饋，並用開源與自媒體放大影響力。他同時是香港大學 NLP 組四年級在讀博士生。

這集對話大部分時間在談 PhD 的具體打法：怎麼選導師與學校、怎麼看待頂會審稿系統被 AI 論文淹沒、怎麼運營小紅書、內地與香港讀博的取捨，以及學術到工業界的轉換。標題所稱的「10 個關鍵問題」並未以清單形式出現；小米 MiMo V2.6 後訓練直播只在後段佔一小段，但李磊是該事的推動者，他給出了直播的初衷與國內外反饋的差異。

難而正確的問題，一點進步就有超額回報

李磊把讀 PhD 的打法拆成三件事：快速迭代、密集拿反饋、選難而正確的題目。他強調要有 intense 的工作節奏，並及時參與社群、同儕或更資深老師的討論以獲取 feedback。選題上他給出兩個判準——difficult 與 importance：不夠難的題目一定競爭者眾，在今天的節奏下很容易被 beat 掉；而重要且難的題目，只要你找到好的切面、做出 solid 的一部分解釋或實驗，對後續研究者就是一個 milestone。

「大家對於你的那些要求會沒有那麼的苛責……因為大家都知道很難。」

他承認這套打法不一定適合所有人，但觀測下來能大幅減輕焦慮。他自己的節奏是「慢選題、快執行」：曾有一個 idea 沒先把預實驗做好、沒想明白，花了半年多調演算法，最後發現假設就是錯的。此後他做實驗前會先抽出一個 minimal hypothesis，用 toy experiments 端到端快速驗證；方向選定後則全力拉高 GPU 利用率與資料處理速度，並用 AI 並行加速產出。

頂會系統被大水漫灌，但別把 accept 當最終獎勵

李磊以審稿人與 AC 的身份給出第一手觀察：過去他手上可能只有兩三篇稿，現在大約是十篇的量級。DDL 戰士在這種 workload 下做出的判斷隨機性會變大，這是最直接的衝擊。會場容量也在膨脹，NeurIPS 已開到三個會場；社群的回應包括限制投稿數量、讓有經驗的審稿人承擔更大責任、引入 AI 輔助決策。ACL 現在要求做決定時由兩位資深 SPC 討論後拍板。

對於「用 SOTA 模型量產一百篇論文去撞機率」的做法，他的評價很直接：這是對整個系統的 DDoS 攻擊。他認為 paper 的目的不是中稿，而是知識分享，關鍵在於作者是否真的把問題弄清楚、是否有嚴密的論證去 justify 假設。

他也提醒不要被 social media 的 hype 震懾：Astra 這類模型乍看很強，細看有很多毛刺，大模型是鋸齒狀的智慧。真正該做的是坐到電腦前 coding、設計 harness、跑出來、看資料。他以具身實驗為例，指出值得研究的是「這個能力從哪裡來」——trace back 它的泛化來源，以及 simulator 與真機之間的 gap；他猜測 OpenAI 一直在採購具身相關資料來訓練。

大粉理論：粉絲數超過引用數，是注意力經濟的顯性化

李磊的小紅書粉絲當天是 2.4 萬，他開玩笑說這比論文引用數還高。他把做自媒體列為 PhD 的 must-to-do，理由是反饋快，且推薦演算法能幫你聚攏 research taste 相同的人。他引用「大粉理論」：PhD 的 Twitter 或小紅書粉絲量、點讚量要超過 citation。

背後邏輯是 attention is all you need 的顯性化。過去每年 ACL 重稿只有幾百篇，他會掃所有 SPA paper、按關鍵詞和關鍵老師挑幾篇看完；現在一個會議四五千篇，看不過來，大家只能依賴論文推薦與社群推薦系統。誰在系統中佔更大權重，誰的工作就被更多人看到。

他給的運營方法有三條：利他（持續產出對別人有幫助的內容，爭議性觀點容易爆但不會讓人記住你這個人）、堅持（他一開始發論文 notes 漲粉很少，直到發了引用與粉絲關係的內容才上一個臺階）、做自己（賽道很捲，模仿別人很累，找到同頻的人就夠了）。他點讚最多的筆記包括拿青雲獎學金、citation 超過一萬，以及 on-policy distillation 這類他較早採納的新範式的 notes；他也會解讀戴志峰老師與自然意志的新工作，因為對方用了小米 MiMo，他順手研究了一下。

選導師遠比選學校重要，先看 alumni 的精神狀態

李磊的判斷很明確：選學校的優先順序遠低於選老師。PhD 本質上接近古時的師徒制，國內更像上下級，其他地方更像 collaborators。top 30 與 top 50 沒有本質區別，但組與組之間的 variance 更大。

他建議看兩樣東西：alumni 的成果，以及他們的精神狀態——私下問已畢業和在讀的 PhD，大家是不是在比較快樂的狀況下讀完。他承認存在「著作等身但非常痛苦」的案例，並順帶為 HKU NLP 與北大計算語言學研究所的氛圍打了廣告。他自己是雙向匹配的樣本：在上海 AI Lab 實習時與現在的 co-supervisor 彭凌鵬老師合作約半年，覺得風格 match。他推薦有時間的人直接去做 RA，既能接觸在讀與畢業的 PhD 打聽情況，也能快速判斷組的風格。

他半開玩笑地說，去美國讀 PhD 首先得耐得住美食的寂寞。至於什麼畫像適合哪裡，他的答案是：能在一定壓力下 balance 好多件事情的人，留在內地或香港都是不錯的選擇。

冷啟動靠作品集冒泡，不是靠 cold email

李磊自己的起點是大二升大三時發了約十封 cold email 給後來的碩士老師，只收到一封回覆，孫老師願意讓他進組實習，此後才有發頂會、保研這條路。他判斷現在難度大得多：稍有名氣的 professor 郵箱全是 cold email，工業界 HC 在算力約束下更稀缺。

他給的路徑是 maximize your impact：做一個 GitHub 專案、一個好的 harness、一個有意思的 application，這些對算力需求不大，靠創造力就能做出產品化的東西，適合偏產品的崗位。偏研究的崗位則要能把 fundamental 的東西理順、寫好 research blog，必要時設計小實驗 justify 改進。他舉蘇劍林為例：早期部落格全是推導，沒有特別多算力，不影響他後來推出 RoPE，如今是 Kimi 的研究員。

「你會不斷的像一個氣泡排序一樣 bubble sort，慢慢慢慢就會冒上去。」

他提到《巴拉巴西成功定律》的兩個發現：諾貝爾獎得主自己也無法預測哪一篇會是代表作，所以必須一直發；大都會博物館的畫作流通分析顯示，一旦進入某些關鍵節點（例如名氣不大的市政博物館），就很可能被著名博物館借走。結論是有規律可循，但要先冒泡進入那條 critical path。他第一個拿到的實習是金山，對方看了他的部落格聯絡他，但他當時想搞百靈倫理，沒去做軟體開發。

直播後訓練是為了對沖 rumor，國內外關注點不同

小米把 MiMo V2.6 的 Pro、Flash 後訓練過程搬上網直播，李磊是推動者。他的初衷是當時有一些 rumor 和討論，對中國大模型的形象不利，希望用透明的方式做正向引導：告訴大家大規模 RL 確實可以做、效果也好，同時把該開源的開源，並從社群吸取 feedback。

國內觀眾最關心花費——金額直接掛在直播頁面上，看著人民幣在燃燒。國外觀眾則對透明程度表示震驚，有推特評論稱這應該是首次工業級的訓練直播；由於 task board 幾乎全部展示出來，很多 dynamics 可供研究者分析，像一座金礦。他補充，早期訓練時就覺得這有點像 R1，大規模 RL 能帶來非常全面的能力提升。

讀 PhD 的價值是花五年回答自己的好奇心

對於「沒有算力要不要乾脆不讀 PhD」，李磊的回答取決於期望：如果只是為了進大公司，沒必要，本科生甚至高中生都能進，Jason Wei 就是例子——能不能去取決於做得牛不牛，不是學位。但如果你想要一段相對沒有壓力、脫產去研究自己好奇的問題的時間，並且這些問題別人不一定會幫你做，那它很有價值。他的演算法很簡單：人活八十歲，讀五年 PhD 好像也不算什麼。

他觀察到 PhD 們聚在一起除了學術，聊得最多的就是 package，尤其在他這種 final year 要找工作的階段；junior 的同學更關心什麼方向值得做、工業界在關心什麼，希望畢業後有絲滑的過渡。他也談到 AI 與非 AI 的 K 型分化，但認為 AI 其實非常平權：過去學東西要上 Coursera、上 Stanford 的課，現在 ChatGPT、DeepSeek、MiMo 的知識儲備極高，用好它就能改變自己 domain 的工作範式。未來不是 AI 替代人類，而是用好工具的人幹掉別人。

對教授創業潮，他認為是硬幣兩面：融資後公司能更快聚齊買卡、招工程師、買資料這些要素，對做大專案起槓桿加速作用；但拿了錢，錢也會對你有所要求，學生可能被層層傳導去做學術以外的 dirty work。

值得追蹤的張力

李磊的整套方法論建立在一個他自己也承認正在鬆動的基礎上：publication 體系仍是畢業的硬約束，卻已不再是篩選人才的可靠訊號，於是他把評價重心移向 Hugging Face 下載量、開源維護與社群聲量——而這些指標同樣可被 hack，只是代價更高。這是一場持續的軍備競賽，而非一勞永逸的解法。另一個未解的張力在「慢研究」倡議與保研季考核之間：他解讀那份百餘位老師聯署的倡議並非叫人不要做科研，而是不要把掛名與 sloppy 論文當敲門磚，但對一個正在趕 DDL 的本科生來說，兩者的衝突並沒有被真正調和。至於後訓練直播這條路，國內外關注點的分裂（國內看成本、國外看透明度）本身也說明，中國大模型團隊在敘事上的主動權仍在建立過程中。