AI科学家们在小红书上玩起一场大型问答游戏，这里是我们整理的精华问答实录v1.03.54.23

AI科学家们在小红书上玩起一场大型问答游戏，这里是我们整理的精华问答实录游戏介绍

⚾2025-10-09 00:38 「百科/秒懂百科」【 AI科学家们在小红书上玩起一场大型问答游戏，这里是我们整理的精华问答实录】🍓支持:32/64bi🐯系统类型:(官方)官方网站IOS/Android通用版/手机APP(2024APP下载)《AI科学家们在小红书上玩起一场大型问答游戏，这里是我们整理的精华问答实录》

🏈2025-10-09 03:06 「百科/秒懂百科」【 AI科学家们在小红书上玩起一场大型问答游戏，这里是我们整理的精华问答实录】🍌支持:32/64bi🦈系统类型:(官方)官方网站IOS/Android通用版/手机APP(2024APP下载)《AI科学家们在小红书上玩起一场大型问答游戏，这里是我们整理的精华问答实录》

🏊2025-10-08 19:40 「百科/秒懂百科」【 AI科学家们在小红书上玩起一场大型问答游戏，这里是我们整理的精华问答实录】🐳支持:32/64bi🍒系统类型:(官方)官方网站IOS/Android通用版/手机APP(2024APP下载)《AI科学家们在小红书上玩起一场大型问答游戏，这里是我们整理的精华问答实录》

🦈2025-10-09 02:07 「百科/秒懂百科」【 AI科学家们在小红书上玩起一场大型问答游戏，这里是我们整理的精华问答实录】🐰支持:32/64bi🐍系统类型:(官方)官方网站IOS/Android通用版/手机APP(2024APP下载)《AI科学家们在小红书上玩起一场大型问答游戏，这里是我们整理的精华问答实录》

🐬2025-10-09 06:17 「百科/秒懂百科」【 AI科学家们在小红书上玩起一场大型问答游戏，这里是我们整理的精华问答实录】🐙支持:32/64bi🥌系统类型:(官方)官方网站IOS/Android通用版/手机APP(2024APP下载)《AI科学家们在小红书上玩起一场大型问答游戏，这里是我们整理的精华问答实录》

AI科学家们在小红书上玩起一场大型问答游戏，这里是我们整理的精华问答实录版本特色

1. 🐪「科普」🏄 AI科学家们在小红书上玩起一场大型问答游戏，这里是我们整理的精华问答实录官网-APP下载🎾🥑🦊支持:winall/win7/win10/win11🐦系统类型:AI科学家们在小红书上玩起一场大型问答游戏，这里是我们整理的精华问答实录下载(2024全站)最新版本IOS/安卓官方入口v6.86.68.48(安全平台)登录入口🍁《AI科学家们在小红书上玩起一场大型问答游戏，这里是我们整理的精华问答实录》

2. 🤸「科普盘点」🐱 AI科学家们在小红书上玩起一场大型问答游戏，这里是我们整理的精华问答实录官网-APP下载🎾🥑🦊支持:winall/win7/win10/win11🐦系统类型:AI科学家们在小红书上玩起一场大型问答游戏，这里是我们整理的精华问答实录下载(2024全站)最新版本IOS/安卓官方入口v2.74.42.21(安全平台)登录入口🍁《AI科学家们在小红书上玩起一场大型问答游戏，这里是我们整理的精华问答实录》

3. 🍂「分享下」🚴 AI科学家们在小红书上玩起一场大型问答游戏，这里是我们整理的精华问答实录官网-APP下载🎾🥑🦊支持:winall/win7/win10/win11🐦系统类型:AI科学家们在小红书上玩起一场大型问答游戏，这里是我们整理的精华问答实录下载(2024全站)最新版本IOS/安卓官方入口v3.88.65.80(安全平台)登录入口🍁《AI科学家们在小红书上玩起一场大型问答游戏，这里是我们整理的精华问答实录》

4. 🏹「强烈推荐」🤼‍♀️ AI科学家们在小红书上玩起一场大型问答游戏，这里是我们整理的精华问答实录官网-APP下载🎾🥑🦊支持:winall/win7/win10/win11🐦系统类型:AI科学家们在小红书上玩起一场大型问答游戏，这里是我们整理的精华问答实录下载(2024全站)最新版本IOS/安卓官方入口v4.24.02.44(安全平台)登录入口🍁《AI科学家们在小红书上玩起一场大型问答游戏，这里是我们整理的精华问答实录》

5. 🐪「重大通报」🏌️ AI科学家们在小红书上玩起一场大型问答游戏，这里是我们整理的精华问答实录官网-APP下载🎾🥑🦊支持:winall/win7/win10/win11🐦系统类型:AI科学家们在小红书上玩起一场大型问答游戏，这里是我们整理的精华问答实录下载(2024全站)最新版本IOS/安卓官方入口v8.37.12.67(安全平台)登录入口🍁《AI科学家们在小红书上玩起一场大型问答游戏，这里是我们整理的精华问答实录》

6. 🐢「返利不限」🌳 AI科学家们在小红书上玩起一场大型问答游戏，这里是我们整理的精华问答实录官网-APP下载🎾🥑🦊支持:winall/win7/win10/win11🐦系统类型:AI科学家们在小红书上玩起一场大型问答游戏，这里是我们整理的精华问答实录下载(2024全站)最新版本IOS/安卓官方入口v2.71.11.70(安全平台)登录入口🍁《AI科学家们在小红书上玩起一场大型问答游戏，这里是我们整理的精华问答实录》

7. 🏐「欢迎来到」🏀 AI科学家们在小红书上玩起一场大型问答游戏，这里是我们整理的精华问答实录官网-APP下载🎾🥑🦊支持:winall/win7/win10/win11🐦系统类型:AI科学家们在小红书上玩起一场大型问答游戏，这里是我们整理的精华问答实录下载(2024全站)最新版本IOS/安卓官方入口v2.86.48.07(安全平台)登录入口🍁《AI科学家们在小红书上玩起一场大型问答游戏，这里是我们整理的精华问答实录》

8. 🌸「娱乐首选」🦆 AI科学家们在小红书上玩起一场大型问答游戏，这里是我们整理的精华问答实录官网-APP下载🎾🥑🦊支持:winall/win7/win10/win11🐦系统类型:AI科学家们在小红书上玩起一场大型问答游戏，这里是我们整理的精华问答实录下载(2024全站)最新版本IOS/安卓官方入口v7.79.91.49(安全平台)登录入口🍁《AI科学家们在小红书上玩起一场大型问答游戏，这里是我们整理的精华问答实录》

9. ⛳「免费试玩」🤾 AI科学家们在小红书上玩起一场大型问答游戏，这里是我们整理的精华问答实录官网-APP下载🎾🥑🦊支持:winall/win7/win10/win11🐦系统类型:AI科学家们在小红书上玩起一场大型问答游戏，这里是我们整理的精华问答实录下载(2024全站)最新版本IOS/安卓官方入口v5.67.26.48(安全平台)登录入口🍁《AI科学家们在小红书上玩起一场大型问答游戏，这里是我们整理的精华问答实录》

AI科学家们在小红书上玩起一场大型问答游戏，这里是我们整理的精华问答实录下载方式:

①通过浏览器下载

打开“AI科学家们在小红书上玩起一场大型问答游戏，这里是我们整理的精华问答实录”手机浏览器（例如百度浏览器）。在搜索框中输入您想要下载的应用的全名，点击下载链接【3g.blog.m.jmkuajing.com】网址，下载完成后点击“允许安装”。

②使用自带的软件商店

打开“AI科学家们在小红书上玩起一场大型问答游戏，这里是我们整理的精华问答实录”的手机自带的“软件商店”（也叫应用商店）。在推荐中选择您想要下载的软件，或者使用搜索功能找到您需要的应用。点击“安装”即 可开始下载和安装。

③使用下载资源

有时您可以从“”其他人那里获取已经下载好的应用资源。使用类似百度网盘的工具下载资源。下载完成后，进行安全扫描以确保没有携带不 安全病毒，然后点击安装。

AI科学家们在小红书上玩起一场大型问答游戏，这里是我们整理的精华问答实录安装步骤:

🦛🤽🏇第一步：🏀访问AI科学家们在小红书上玩起一场大型问答游戏，这里是我们整理的精华问答实录官方网站或可靠的软件下载平台：访问（http://3g.blog.m.jmkuajing.com/）确保您从官方网站或者其他可信的软件下载网站获取软件，这可以避免下载到恶意软件。

🏌️🚴🐌第二步：💐选择软件版本：根据您的操作系统（如 Windows、Mac、Linux）选择合适的软件版本。有时候还需要根据系统的位数（32位或64位）来选择AI科学家们在小红书上玩起一场大型问答游戏，这里是我们整理的精华问答实录。

🐋🛺🦁第三步：🐼 下载AI科学家们在小红书上玩起一场大型问答游戏，这里是我们整理的精华问答实录软件：点击下载链接或按钮开始下载。根据您的浏览器设置，可能会询问您保存位置。

⛳🐳🏐第四步：💐检查并安装软件： 在安装前，您可以使用 杀毒软件对下载的文件进行扫描，确保AI科学家们在小红书上玩起一场大型问答游戏，这里是我们整理的精华问答实录软件安全无恶意代码。 双击下载的安装文件开始安装过程。根据提示完成安装步骤，这可能包括接受许可协议、选择安装位置、配置安装选项等。

🌰🦘🏂第五步：🦘启动软件：安装完成后，通常会在桌面或开始菜单创建软件快捷方式，点击即可启动使用AI科学家们在小红书上玩起一场大型问答游戏，这里是我们整理的精华问答实录软件。

🎋🏋️🐮第六步：🏈更新和激活（如果需要）： 第一次启动AI科学家们在小红书上玩起一场大型问答游戏，这里是我们整理的精华问答实录软件时，可能需要联网激活或注册。 检查是否有可用的软件更新，以确保使用的是最新版本，这有助于修复已知的错误和提高软件性能。

特别说明：AI科学家们在小红书上玩起一场大型问答游戏，这里是我们整理的精华问答实录软件园提供的安装包中含有安卓模拟器和软件APK文件，电脑版需要先安装模拟器，然后再安装APK文件。

AI科学家们在小红书上玩起一场大型问答游戏，这里是我们整理的精华问答实录使用讲解

🎢第一步：选择/拖拽文件至软件中点击“🥉添加AI科学家们在小红书上玩起一场大型问答游戏，这里是我们整理的精华问答实录”按钮从电脑文件夹选择文件《🐢🧸3g.blog.m.jmkuajing.com》，或者直接拖拽文件到软件界面。

🥀第二步：选择需要转换的文件格式 打开软件界面选择你需要的功能，AI科学家们在小红书上玩起一场大型问答游戏，这里是我们整理的精华问答实录支持，PDF互转Word，PDF互转Excel，PDF互转PPT，PDF转图片等。

🍃第三步：点击【开始转换】按钮点击“开始转换”按钮， 开始文件格式转换。等待转换成功后，即可打开文件。三步操作，顺利完成文件格式的转换。

进入AI科学家们在小红书上玩起一场大型问答游戏，这里是我们整理的精华问答实录教程

1.打开AI科学家们在小红书上玩起一场大型问答游戏，这里是我们整理的精华问答实录，进入AI科学家们在小红书上玩起一场大型问答游戏，这里是我们整理的精华问答实录前加载界面。

2.打开修改器

3.狂按ctrl+f1，当听到系统“滴”的一声。

4.点击进入AI科学家们在小红书上玩起一场大型问答游戏，这里是我们整理的精华问答实录，打开选关界面。

5.关闭修改器(不然容易闪退)

以上就是没有记录的使用方法，希望能帮助大家。

AI科学家们在小红书上玩起一场大型问答游戏，这里是我们整理的精华问答实录特点

🏋️‍♀️2025-10-09 05:49 🍏MBAChina🐮【 AI科学家们在小红书上玩起一场大型问答游戏，这里是我们整理的精华问答实录 】系统类型:AI科学家们在小红书上玩起一场大型问答游戏，这里是我们整理的精华问答实录(官方)官方网站IOS/Android通用版/手机APP(2024APP)【下载次数13623】🤾🏑🍓支持:winall/win7/win10/win11🐠🍃现在下载,新用户还送新人礼包🐙AI科学家们在小红书上玩起一场大型问答游戏，这里是我们整理的精华问答实录

🥇2025-10-08 23:48 🤼‍♀️欢迎来到🎾【 AI科学家们在小红书上玩起一场大型问答游戏，这里是我们整理的精华问答实录 】系统类型:AI科学家们在小红书上玩起一场大型问答游戏，这里是我们整理的精华问答实录(官方)官方网站IOS/Android通用版/手机APP(2024APP)【下载次数58557】🌴🦨🎾支持:winall/win7/win10/win11🌿🐶现在下载,新用户还送新人礼包🦇AI科学家们在小红书上玩起一场大型问答游戏，这里是我们整理的精华问答实录

🥋2025-10-09 01:37 🦊HOT🐸【 AI科学家们在小红书上玩起一场大型问答游戏，这里是我们整理的精华问答实录 】系统类型:AI科学家们在小红书上玩起一场大型问答游戏，这里是我们整理的精华问答实录(官方)官方网站IOS/Android通用版/手机APP(2024APP)【下载次数58706】🤼⛷️🦐支持:winall/win7/win10/win11🏀🏋️‍♀️现在下载,新用户还送新人礼包🐯AI科学家们在小红书上玩起一场大型问答游戏，这里是我们整理的精华问答实录

🤺2025-10-09 05:23 🦎娱乐首选🍊【 AI科学家们在小红书上玩起一场大型问答游戏，这里是我们整理的精华问答实录 】系统类型:AI科学家们在小红书上玩起一场大型问答游戏，这里是我们整理的精华问答实录(官方)官方网站IOS/Android通用版/手机APP(2024APP)【下载次数13943】🍐🦧🐮支持:winall/win7/win10/win11🥋🏈现在下载,新用户还送新人礼包🦢AI科学家们在小红书上玩起一场大型问答游戏，这里是我们整理的精华问答实录

🚵2025-10-08 21:03 👾返利不限🏏?【 AI科学家们在小红书上玩起一场大型问答游戏，这里是我们整理的精华问答实录 】系统类型:AI科学家们在小红书上玩起一场大型问答游戏，这里是我们整理的精华问答实录(官方)官方网站IOS/Android通用版/手机APP(2024APP)【下载次数82883】🏂🥇🍊支持:winall/win7/win10/win11🍒👾现在下载,新用户还送新人礼包🍁AI科学家们在小红书上玩起一场大型问答游戏，这里是我们整理的精华问答实录

相关介绍

🤾ωειcοmε🌴【 AI科学家们在小红书上玩起一场大型问答游戏，这里是我们整理的精华问答实录 】🐺🦁🍊系统类型:AI科学家们在小红书上玩起一场大型问答游戏，这里是我们整理的精华问答实录(官方)官方网站-IOS/安卓通用版/手机app🌵支持:winall/win7/win10/win11🌳🌿🌻【下载次数999】🐜🎴现在下载,新用户还送新人礼包🀄AI科学家们在小红书上玩起一场大型问答游戏，这里是我们整理的精华问答实录

’来到薛青面前。

> 厂商新闻《AI科学家们在小红书上玩起一场大型问答游戏，这里是我们整理的精华问答实录》特朗普继续对日本施压：日本需要开放市场 时间：2025-10-09 06:18

• 编辑:CN




作者 ｜ 李楠
邮箱 ｜ linan@pingwest.com

最近一个月来，小红书上流行着一场Ask me anything的科技问答活动。这像是一场“所有人问所有人”的游戏，不少AI领域的专家，围绕相关话题跟网友们积极互动。

其中既有对学术问题的讲解，也有关于学习经验和科研建议的分享；谈到了对未来世界的看法，也给出了就业方向的分析。可以说既实用又有趣了。我们整理了一份涵盖十几位大佬的热门分享，或许对你有所帮助。

1

上交&创智学院AI&具身智能副教授李永露




Q：纯文科生想在高中毕业那个暑假狠补 Python 和 Java，慢慢转计算机，还有意义吗？

A：当然有意义。未来文理科的界限会越来越模糊，就像当年计算机最初只有专业人士能用，如今人手一台电脑一样。AI 也会如此普及。

Q：本科是信息专业，研究生想学具身智能，这两个跨度大吗？

A：本科学机械或控制的去搞 AI 都算跨度大，但其实软硬之间是对称的，交叉才是趋势。过去那种学科分界已经不太适用了。

Q：李老师您好！我即将读博，导师是做 robotic manipulation 的。请问您怎么看现在非 learning-based 的方法？还有前景吗？我之后想去工业界。

A：这是个好问题。打基础的话，了解历史发展很重要，既然做这个方向，还是要学习和实践经典方法。其实没必要纠结新旧，关键看问题本身和上下文有没有变化。如果一个思路能推动进展，那就有价值。大模型带来了语言和视觉层面的泛化能力，这是确定的，但在 planning 类任务上，真正玩真机的现在还是要用传统方法的。

Q：我是海外硕士医学信息专业，现在在做 AI4S（面向海外医院的模型开发，偏 ML）。我想回国读博转到大模型方向，会不会跨度太大？目前对纯 AI 更感兴趣。

A：读博的话，现在 LLM 已经进入应用阶段，主阵地主要在大厂。去学术界做，要看实验室的品味和方向选择。五年后的格局可能变化很大，建议谨慎规划。

1

前OpenAI研究员、清华交叉信息研究院助理教授吴翼




Q：您觉得什么样的学生适合往学术界发展？什么样适合去工业界？

A：喜欢写论文、教学生、愿意写本子的适合当老师；想多赚点钱的适合去工业界；有理想、想做自己喜欢的事情、喜欢动手快速迭代、愿意牺牲短期收益的适合创业。

Q：如何培养深度思考的能力？

A：用 GPT-5 的时候记得开启 thinking 模式。其实核心还是多思考、多反思，少被碎片化信息牵着走。

Q：请问如何提高自己的科研 taste？现在做 AIGC 方向是不是相对 ML 方向更难落地？感觉 AIGC 现在做 agent 的很少。

A：科研 taste 就是要多接触高质量的内容和报告，减少噪音，多思考。AIGC 的落地其实很多，尤其在图片、视频等方向商业化很成功。AIGC 和 agent 我理解上并不冲突，只是应用逻辑不同。

Q：您觉得下一个爆款 agent 产品会出现在游戏领域吗？

A：我不太觉得。游戏的逻辑和 agent 的逻辑差别很大。

Q：您觉得强化学习和大模型结合的场景，未来五年哪个方向最值得深入研究？

A：agent。

Q：新手只能看懂模型的数学结构（比如 Transformer 和 Diffusion 的原理、Loss 设计、理论推导），但完全看不懂代码怎么办？

A：可以去 Coursera 上找 Andrew Ng（吴恩达） 的课程学习一下。找一些讲得清晰的人带着你做作业、动手实现，入门会快很多。

Q：您如何看待《Reward is Enough》这篇论文，以及近年来越来越多将强化学习模型应用于心理学、社会行为和语言等领域的研究？强化学习是否正在成为一种“大一统”的机制化解释框架？

A：大一统”听起来很诱人，但在工程实践里，大多只是个梦。

1

南京大学智能科学与技术学院助理教授、博士生导师任宇翔




Q：端侧 Agent 有什么优势？

A：端侧 Agent 不是优势，而是在端侧设备算力受限的情况下，部署大模型不可避免会带来端云协同、数据隐私、个性化等新问题，这些都需要被解决。

Q：学统计学转 AI 有什么优势吗？目前把吴恩达的全套课程自学完了，基础的网络也能搭出来，但感觉工程能力很差，比不过计算机专业的同学。

A：我觉得统计出身的同学基础很好，可以考虑做一些跨领域课题，比如生物信息、运动健康等。这些领域目前传统机器学习和统计方法仍然能发挥作用，结合深度学习可以形成优势。工程能力就只能靠多动手，多参加一些数据挖掘比赛。

Q：我是人工智能专业大一学生，感觉现在课程学不到东西，《人工智能导论》的老师完全照着 PPT 念，还没系统学过 C++，该怎么办？

A：大学阶段还是要多自学。代码必须自己多写。我本科入门编程时，主要是跟着一个培训机构的视频学习的。

Q：想请教一下，实践中有哪些比较有效的方法来判断哪些历史对话该保留、哪些可以丢弃？或者说如何进行记忆管理？

A：关于长短期记忆的更新管理，目前做法很多，但并不统一。我个人认为可以先对历史上下文进行识别，把长期高频的记忆转化为压缩后的文本或索引，存入记忆库，从而实现实时压缩。至于记忆判别，现在很多研究也在尝试融合脑科学范式和推荐系统中的“兴趣时钟”等方法。

Q：图学习未来的方向您觉得在哪块？

A：Science 方向目前有不少令人兴奋的结果。另外，图基础模型的突破也值得期待，但可能需要对现有 GNN 做革命性改进，并在不同流形上进行新的探索。

Q：多模态大模型未来转向世界模型容易吗？

A：我认为多模态大模型是通往世界模型的一个关键里程碑。

1

华东师范大学计算机学院教授林绍辉




Q：计算机相关专业饱和了，那新生值得去这类专业吗？

A：人工智能技术越发展越需要计算机人才。

Q：现在的发展趋势，孩子小学还要学编程吗？或者应该学人工智能？

A：学学编程可以的，编程是AI基础，而且能锻炼很多能力，如逻辑、动手，关键还得小孩能接受。

Q：AI 的未来方向会是“超级智能体”，还是以分散的 AI 工具为主，通过智能平台协作？

A：这是一个非常好的问题。目前这几年，AI 仍会以分散的工具形态为主，不同模型和服务在各自领域协同工作。但随着多模态融合和自主决策能力的增强，未来的趋势确实会逐步走向“超级 Agent”——具备更强的上下文理解、长期记忆与多工具协作能力的系统。

1

星海图联合创始人、清华交叉信息研究院助理教授许华哲




Q：在当下，您觉得人的智能的本质是什么？（脑洞题哈）

A：结构化压缩，并通过经验反馈判断哪些信息可以被舍弃。

Q：老师如何看待 PhD、Research、Sleep、Life 之间的“不可能三角”？

A：那就——少睡一点吧。

Q：我在做多模态数据质量评价，想请问您觉得在具身智能研究中，哪些因素真正重要？是否有需要我们进行类似质量评价的要素？具身智能之间的通信是否是一个关键方向？

A：通信我觉得重要，但不是核心。关键还是看能否真正落地，以及是否具备泛化能力。

Q：在如今的算力时代，经济金融专业的学生应当朝哪个方向努力？怎样才能将两者融合，最大化地把经济学理论应用于实践，创造更大的价值？

A：加入创业大军，当 CFO。

Q：AI 专业细分方向中，哪个更好就业？

A：大模型~

Q：具身智能商业化落地有多大的可能性？

A：100%！但是时间待定。

1

清华大学网络研究院副教授邱寒




Q：您怎么看待 AI 安全和可信 AI 之间的关联与区别？在可信 AI 领域，除了安全，还有哪些方向在中国的大背景下值得去做？

A：一定要先讲定义。我认为“可信 AI”（Trustworthy AI）是最终的愿景——也就是我们能像相信家人一样去相信 AI。因此，国外很多课程其实叫 Trustworthy Machine Learning，而不是单纯的“AI 安全”。

Q：您怎么评价“检测 AI 生成文本”这件事？感觉学界目前并不太认可，而且这方面的研究也没有统一的 benchmark。

A：我觉得从长远来看，根本无法准确检测一段文本是不是 AI 写的。因为以目前的技术路线，很显然无法跟上模型的进步；而希望又看不到，这就是问题所在。

Q：关于可解释性 AI 这个方向，您有什么建议或看法？


A：这是一个好方向。过去每当大家卷不动模型能力的时候，就会投入精力做可解释性。但在大模型时代，这个问题变得既重要又困难。可以多关注一下 Anthropic 在这方面的研究。

Q：我是网络安全方向的研究生，想问邱老师：在大模型安全方面，除了传统的对抗样本、训练投毒、后门攻击等针对模型本身的威胁外，现在大规模引入 Agent 是否会带来更严峻的安全挑战？关键风险可能集中在哪些方面？

A：Agent 安全确实是一个很好的课题。但目前还处于初步阶段，大家在概念和共识上都还不够统一。

Q：想请教一下，图神经网络、RAG 和时间数据分析这三个方向，就未来发展而言，您更推荐哪个？

A：我个人更看好 RAG 或者 Deep Research 方向。

Q：想讨论一个具体问题：如果在一篇 A 区期刊的论文中，作者只讲了思路，却没有代码，也没在 GitHub 提交任何实现，但我非常好奇想看他们是怎么做的，老师有什么建议吗？

A：直接给作者写邮件，礼貌地询问。如果不回，就再发一封，并 cc 通讯作者。这是常规且合理的做法。

Q：当前大语言模型最亟待解决的安全漏洞是什么？对于偏见、对抗攻击、失控自主决策等不同风险，优先级应如何划分？

A：这要看具体背景和诉求，很难有统一的答案。我个人认为幻觉（Hallucination）仍然是最有价值、但也最难解决的问题——甚至可能永远无法彻底解决。

Q：老师，我在对大模型进行 Fine-tune 之后，反而效果更差了，问题可能出在哪？

A：这很正常。你能拿到的开源模型，基本都是大公司花了巨额成本训练出来的 SOTA（state-of-the-art）版本。自己微调，稍不注意就会“调坏”，效果更差是常见现象。

1

香港中文大学（深圳）理工学院助理教授韩晓光




Q：激光雷达如何与3DGS融合比较好？看到很多论文基本上都是在做SLAM，但现在手持式扫描仪已经很普遍了。手持融合雷达与相机输出3DGS，学术界好像还没看到特别好的方案，这是个纯工程问题吗？业界看起来也就几家公司做得比较好，这个课题有研究价值吗？

A：我在想，激光雷达的点云对3DGS能提供什么帮助呢？因为3DGS总归是要拍摄多视角图像的，而在已有多视角图像的情况下，激光雷达得到的点云似乎并不能带来实质性的提升，反而还会引入激光点云与相机之间的校准问题。

Q：怎么去制定研究计划呢？我是本科生，准备申请PhD，但感觉四年的3DV研究计划很难确定下来。

A：作为刚入门的学生，其实我不太建议一开始就做一个长期计划。现在这个时代，计划往往跟不上变化。如果确定想做3DV方向，就先动手去做，不管做什么都可以。只要在做事，就会有收获。先把知识和技能积累好，这样就够了。

Q：韩老师觉得未来3D在Large Visual Model或者World Model中会承担什么样的角色？

A：我觉得3D/4D肯定是需要的，只是看它会以显式还是隐式的方式存在。举个例子，我可以用点云作为媒介来构建World Model，也可以直接用VGGT的特征作为媒介，后者就是一种隐式表达。

Q：VGGT和MapAnything一出，3DGS和NeRF是不是就不太好搞了？3D会不会也像LLM那样，性能靠Scaling Law堆数据和参数？

A：3D有两个根本问题不像图像那么容易解决：第一，表达方式还不统一；第二，数据很难scale。

Q：通常晚上无人机表演属于计算机视觉范畴吗？

A：应该更多还是控制和通信的范畴，还不太需要视觉智能。

Q：韩老师对未来想找教职的博士生同学有什么建议？

A：如果确定是要走教职路线，那博士期间的工作能不能形成一个清晰的“故事”很重要。

Q：如果我想基于VGGT做一个从Image到Mesh、GS等多表示的Feed-forward重建，您觉得有意义吗？我看现在很多问题都建模成生成问题，包括您组里的一些工作。

A：如果是端到端的多视角Image到Mesh或GS，我觉得是有意义的。现在VGGT只能输出点云，那么核心问题还是如何用Map的形式去表达Mesh。

Q：请问老师怎么看待3D数字人这个方向？比如人体、头部的重建和动画，现在还值得做吗？

A：我认为数字人一定是构建世界模型的基础，因为“人”很重要。关键问题在于走3D路线还是2D路线。如果数字人的目标只是“给人看”，那视频生成或许已经够用了。但如果未来的数字人是可交互的、可以触碰的，那3D仍然是不可或缺的。

1

浙江大学长聘副教授、微分智飞创始人高飞




Q：老师觉得具身智能的技术路线五年内会收敛吗？

A：用不了五年。

Q：我目前研一刚进组，对无人机路径规划和自主避障感兴趣，应该先从哪方面入手学习？能否推荐一些相关的书籍或论文？

A：可以先从高 Star 的开源项目入手。

Q：您觉得未来无人机方向的 VLA 应该是什么样的？未来可以与物理世界交互的无人机会成为趋势吗？

A：无人机当然可以具备交互能力，并与操作能力结合。而且即便不考虑交互，大模型的能力对于实现泛化决策也是不可或缺的。

Q：高老师，多机器人研究还有希望吗？

A：还是要看兴趣。就业市场哪个方向热，真的很难提前几年预测。多机器人可能只是还没到时候。

Q：将来机器人的方向到底是 VLA 还是 World Model？VLA 是不是真的走不通了？

A：端到端的 VLA 我比较悲观，但让 World Model 进入决策环路，使机器人具备“大脑”能力，我认为是必然的。

1

南方科技大学助理教授、微分智飞联合创始人周博宇




Q：老师您好，我是某 2 本院校机器人专业的大二学生，想问一下您觉得我还能在剩下的大学时光里学习什么、做些什么来提升自己的竞争力？

A：国家级竞赛、实验室科研，这两个最能快速提升你。

Q：想问一下如果和社科交叉，可以往哪个方向做？

A：机器人社会影响是个很大的研究问题，可以重点关注。

Q：周老师怎么看学术界和工业界？

A：反正我喜欢高校，生病了还能摸鱼刷刷小红书。

Q：轮足机器人的运控相比四足有没有独特的切入点？

A：应该有不少，比如灵活切换轮/腿模式，兼顾效率与适应性。

Q：请问具身智能中，大模型和 3D 视觉哪个方向就业更好？

A：这两个都不错，但几年后的就业形势确实难以预测。

Q：什么时候机器人能代替我上班、帮我养老？

A：班还是得上，不过会变高级，比如指挥一堆机器人“小弟”干活。

Q：现在无人机定位还有什么值得做的方向吗？

A：可以考虑一些更复杂的场景，比如高速、高空、弱光等条件下的定位。

Q：工业界对操作和运控哪个方向的落地需求更多？

A：我个人感觉，运控是“基础设施”，几乎到处都有需求，但发展相对成熟；操作的需求也很多，但目前能真正落地的还不多，前途无量。

Q：机器人工程本科毕业后如果去做技术岗，有哪些岗位比较合适？如果想未来从技术岗转到应用岗做产品经理，有什么建议？

A：多培养场景洞察力，学会发现机器人在哪些实际问题中能发挥作用。

Q：周老师，我目前是无人机方向的研究生，正在找工作，想转到机器人方向。但因为不太了解，不知道该如何准备，请问您有什么建议？

A：无人机本身也是移动机器人，很多技术是相通的。如果想转到操作类方向，可以补一下机械臂的基础，并入门最近很火的模仿学习。

1

清华大学电子系副教授姚权铭




Q：请问为什么同样是顶尖团队，师兄师弟之间毕业时的差距会很大？除了个人的动力之外，还有哪些通用因素？您更愿意指导什么样的学生？有没有什么是您读博时觉得不重要、但现在觉得很重要的？

A：对第一个问题，我觉得有四点：1. 自驱；2. 事事有反馈；3. 放下傲慢；4. 不要在同一个地方跌倒两次。

Q：请问老师，未来的行业热点都会是“人工智能+”吗？普通硕士或博士该学些什么，才能在未来的就业市场上保持不可替代的竞争力？

A：要学会磨炼自己的眼光，做一个懂得延迟满足的人。

Q：请问《西部世界》在未来有没有可能成为现实？

A：影视作品借了人工智能的外壳，本质上是在讨论人性。

Q：我是通信专业研一学生，也是这个方向，想问应该怎么入手？Python 需要学到什么程度？他们说的“阅读代码”是指要看懂每一行、每一个字的意思吗？

A：代码不是逐行理解的，而是要结合上下文去看。

Q：硕士刚毕业先在工业界做 NLP 算法，再去读海外博士（AI/管理学交叉）可以吗？硕士学历在工业界做算法会不会受“35 岁危机”的影响？

A：首先别担心年龄问题。那是“卡底线”的，不是“卡上限”的。

Q：请问在人工智能领域，编程能力真的很重要吗？

A：分析问题的能力更重要。

1

中国人民大学高瓴人工智能学院教授赵鑫




Q：老师怎么看 DLM、MLLM、VLA 的未来？

A：我觉得大家关注 DLM，主要有两点：一是它是否具备更强的建模能力，二是它的生成方式是否更灵活。对于多模态模型来说，这类结构可能更契合多模态数据的特性。不过我认为还需要更强的实验证据。目前确实有一些令人期待的迹象，至少多了一个可以并行探索的路径。我对多模态融合生成不算特别熟悉，但整体来看，还需要更多的实验去验证。

Q：目前不少学校都在做法律大模型研究。法学是 RUC 的优势专业之一，您觉得 AI 会对法律行业（如律师、法务）产生颠覆性影响吗？

A：我觉得正在朝这个方向前进。

Q：在校期间做过前大模型时代的 NLP（魔改 Transformer），工作后只做过行业大模型应用，有什么结合的方向或研究建议吗？

A：可以先系统学习一下大模型的整体框架与方法。

Q：老师觉得 Deep Search 的研究与应用未来有哪些主要挑战？

A：我觉得主要问题在于终极目标还不清晰，而且训练数据比较难获得。

Q：可以推荐一些不需要很多卡也能开展的大模型研究方向吗？我现在条件有限，只有几张卡。

A：可以考虑智能体方向，尤其是不需要微调的那种。

Q：老师觉得大模型真的是通向 AGI 的好路径吗？

A：现在的我觉得可能不是。

Q：我是数学专业大一新生，如果想转向 AI，需要提前做哪些准备？比如项目或实习？

A：重点放在人工智能编程上。

Q：该如何跟进学术前沿？有时看一篇新论文半天发现是水文，感觉浪费时间。

A：可以优先看科研大厂的论文。它们通常质量更高，也更具方向性。

Q：老师怎么看待拿大模型造数据、微调小模型，然后声称“小模型在某领域超过大模型”这种做法？

A：我觉得数据才是核心，用什么模型造数据可能没那么重要。但真正有价值的是能让大模型持续提升。

Q：您觉得大模型接下来在哪些方面更可能产生质的突破，而不仅仅是堆数据或魔改？您觉得三年后大模型还会这么热吗？

A：架构和训练方法。

1

上海交通大学人工智能学院副教授陈思衡




Q：能问问您的作息吗？大概几点睡几点起？如何保持比较高效的学习状态呢？

A：念博士的时候一般是 12 点半睡，8 点半起。想要高效，一方面要有足够的 motivation，另一方面也需要一定的外部压力来制造适度的焦虑感。紧迫感一上来，效率自然就高了。另外，长期高强度地搞研究确实是个体力活，有空健身会有帮助。

Q：您认为具身智能最容易落地、在工业界最有前景的方向是什么？

A：最终还是养老和家庭服务领域吧。现阶段技术还不成熟，可以先从科研开发、导游展示、货架取物等方向做起。

Q：目前有没有结合 AI 的宠物类产品？

A：之前看到过一个例子，用 AI 把宠物的声音翻译成人类的自然语言。

Q：我是大三计算机专业学生，刚开始接触宇树人形机器人的项目，目标是让机器人学会拳击动作。但我没有什么头绪，网上也没有教程，我该怎么做？

A：先搞一台 G1 机器人，然后看看相关的论文，比如 OmniH2O、HOVER、ASPS 等等，把这些方法都能在真机上复现出来。

Q：大模型的本质是不是预测下一个词？如果是，那它生成的上下文为什么会有逻辑？它能预测后面很多个词吗？

A：有一种观点认为智能的本质是压缩——把所有过往的信息压缩到下一个词里。就像 Ilya 打的比方：一本侦探小说，最后一个 token 是凶手的名字。要预测出它，模型必须理解整本书的所有情节，这个过程本身就体现了智能。

Q：普通文科硕士能干什么？有没有普通人可以学习的渠道？

A：AI 可以加速阅读和创作，比如在财务、内容生成等领域。文科生也可以做 AI 产品经理，有很多发展方向。

Q：您觉得多智能体这个方向未来会有什么样的想象空间？

A：单一模型或智能体必然存在局限，不可能成为“全能战士”，必须依靠多智能体系统协作。但当单体太弱时，多体协作也很难实现。所以现在大家重点是提升单体能力。未来多智能体协作一定会大有可为。

Q：文献一般怎么读才能记住？

A：重要的论文最好完整复现一遍。

Q：现在这么多企业都在热招 LLM Agent 岗位，但 LLM 本身的幻觉问题还很严重，这样下去会不会最后都做不出来？

A：幻觉严重有点被夸大了。现在最强的语言模型幻觉率在逐步下降，Agent 的定制化也能进一步减少幻觉。而且有些任务对幻觉的容错度较高。总体来说，这是可解的问题，前景仍然很乐观。

1

香港科技大学（广州）助理教授梁俊卫




Q：我想问一下，边缘计算和具身智能结合，通过将计算任务卸载到边缘端来解决终端算力问题，这个方向有实际前景吗？还是说目前云计算已经能为具身智能场景提供足够低延迟的算力，不需要边缘计算？

A：这个方向肯定有研究价值，但具身智能技术现在还没收敛，很难判断未来的计算形态。我个人觉得家庭服务类场景大概率需要一个“家庭算力盒子 + 机器人”的组合，才能满足低时延和隐私保护的需求。

Q：如何看待 LLM 和非 LLM 的学习方法在机器人应用上的边界？我始终觉得语言并不是机器人获取精细技能的必经之路，但现在业界似乎不用 LLM 都不好意思叫自己具身智能。

A：现在的 VLA 大多是基于 VLM 后训练的，比如 gr00T、Pi0 等，它们其实不是 LLM。我认为具身智能和传统自动化机器人最大的区别在于“泛化性”。目前来看，具备泛化能力必须依赖多模态大模型。这是机器人操作方向的关键。而像 locomotion 这类运动控制任务，主要还是基于纯仿真 RL 的小模型，是另一条路线。

Q：您觉得一个博士生一周应该投入多少有效工作时间？

A：我挺同意 Karpathy 说的那句话：如果你能坚持每天 8 小时、每周 5 天，四五年下来，没什么是做不成的。博士更像是一场长跑，做科研最重要的是规律性和持续性。

Q：想请教您：（1）目前在做多模态大模型的理解与推理，该怎么往具身智能方向靠？感觉未来迟早是具身智能的天下。（2）如果只做多模态 LM，将来能去具身智能公司吗？能说自己是在做机器人的“大脑”吗？还是得真的去做 VA 相关的？

A：多模态大模型很有必要。建议看看 gr00T、Figure 机器人的快慢系统架构，还有 Pi0，它们都是从 VLM 出发再训练出 VLA 的。要有实机经验才有竞争力，光停留在模型层面是不够的。

Q：本科生如果想学机器人或具身智能，该看哪三本书？

A：现在看书有点落后了，建议直接去搜 “Embodied AI” 的斯坦福或 UC Berkeley 课程和 tutorial，多看 star 数最高的开源项目和资料。

1

复旦大学青年研究员、石智航联合创始人、首席科学家丁文超




Q：您估计什么时候可以大批量应用家政机器人？我还有十几年退休，赶得上吗？

A：哈哈，按照十几年的时间尺度，应该赶得上，甚至可能更早。

Q：现在机器人能做这么多复杂的动作，比如跳舞，是用强化学习训练的吗？这些奖励函数怎么设计？还是用模仿学习做的？

A：一般是模仿学习加强化学习结合。模仿用于实现动作风格（styling），强化用于实现平衡（balancing）。

Q：对于机器人具体的任务或应用，比如 manipulation、navigation 和人形 locomotion，这些方向在业界的岗位需求分别如何？前景怎么样？

A：通常来说，越难的问题需求越大，也越有价值。在这几个方向中，manipulation 是最难的。当然，这些任务未来都会逐渐融合成一个完整的系统。

Q：如何看待自动驾驶在强化学习（RL）上的落地与瓶颈？

A：我个人认为 RL 是自动驾驶技术栈中最后几块拼图之一。RL 依赖环境动力学（env dynamics），如果要和端到端学习结合，就需要非常强的 world model。这块目前仍然存在不少技术上的开放问题。

Q：在机器人科研过程中，您是怎么决定去创业的？

A：具身智能是一个非常大的赛道，甚至比自动驾驶还大。科研和落地是分不开的，最终都要走向实际应用。

点个“爱心”，再走 吧

更新内容

一、修复bug，修改自动播放;优化产品用户体验。

二、 1.修复已知Bug。2.新服务。

三、修复已知bug;优化用户体验

四、1，交互全面优化，用户操作更加便捷高效;2，主题色更新，界面风格更加协调;3，增加卡片类个人数据

五、-千万商品随意挑选，大图展现商品细节-订单和物流查询实时同步-支持团购和名品特卖，更有手机专享等你抢-支付宝和银联多种支付方式，轻松下单，快捷支付-新浪微博，支付宝，QQ登录，不用注册也能购物-支持商品收藏，随时查询喜爱的商品和历史购物清单。

六、1.bug修复，提升用户体验;2.优化加载，体验更流程;3.提升安卓系统兼容性

七、1、修复部分机型bug;2、提高游戏流畅度;