Chenxi.AI

Researcher in training.
在读学生，做科研，AI 是每天的主力工具 🔬
写 AI 工具实测、效率教程、论文工作流

[Chenxi.AI @LuckyChenxi]

一种已经用在 AI 科研流程里的查新方法，拦住了全部 380 篇伪装论文，也把 96% 后来被证实有新意的点子一起否掉了（UIUC 对比研究，arXiv 2610.36511，Table 1）。

先补一点背景。这 400 个点子是模型根据 NeurIPS 2025 的论文生成的，「后来被证实」指之后有别人的论文做出了同样的贡献，这一步也由模型判断（4.4 节）。作者自己的方法 ClaimNov 把点子拆成 1-4 条主张逐条比对，拦住 367 篇伪装论文，误杀降到 1.5%。同一张表里，其他方法的误杀从 0% 到 98.5% 不等，误杀为 0% 的两种几乎拦不住伪装论文。

这项研究对研究生选题有什么启发，我的理解是这样的。

「这个已经有人做过了」，我自己就被这句话劝退过。现在回头看，这句话其实是在给整个点子打一个总分，和误杀 96% 的那种方法是同一个思路。

一个点子很少整块撞车。问题可能有人提过，方法可能有人用过，但这个问题配这个方法、落在这份数据上，常常还没人做。论文把主张分成问题、方法、资源、结果四类，这套拆法拿来写开题报告正合适。

所以被一句「有人做过了」劝退之前，可以先做三件事：
1. 把点子写成 2-4 条主张，标出每条属于问题、方法、资源还是结果
2. 每条单独去找最接近的那篇论文，看它覆盖到哪一步
3. 只有某一条被一篇论文完全覆盖，才算真撞车；没被覆盖的那几条，就是你的选题空间

反过来也一样。如果每一条都能找到一篇完全覆盖的论文，那就是真该换题了，早换比晚换省事。

这篇论文也有边界：只测了英文的 AI 领域研究，生成点子和当裁判的是同一个模型。上面三步是我把论文的自动流程改成人用的版本，论文没有测过（推断）。

[Chenxi.AI @LuckyChenxi]

@ooo0t2 努力加油

[Chenxi.AI @LuckyChenxi]

记录一下第二天的数据
感谢大家捧场，欢迎大家互关 串门哈哈
2.2w的总曝光 已经转化成2.4k的有效曝光 差不多转化率11%
还要努力 争取把粉丝提上去哈哈
我也会把内容做好滴

#蓝V互关 #蓝V交友 #蓝V浇友

[Chenxi.AI @LuckyChenxi]

@EVAtk7b 恭喜恭喜

[Chenxi.AI @LuckyChenxi]

@Kenny357zb 串个门先 以后多多互串

[Chenxi.AI @LuckyChenxi]

看了那么多AI😄，给大家欣赏一下秋天的颜色

[Chenxi.AI @LuckyChenxi]

@Sufe1Mtt0h63599 好滴好滴

[Chenxi.AI @LuckyChenxi]

顶刊 36 个深度学习任务，有 12 个被 AI 半小时搭的「简单基线」追平，我们到底在发表什么？😂

上周有篇预印本，从 Nature、Science、Cell 系列期刊里挑了 36 个用深度学习做的任务，让 AI 去搭一个简单基线。条件很寒酸：离线，只用 CPU，每次 1,800 秒，也就半小时。

结果 36 个里有 12 个，基线追平或超过了原论文的方法。

我看完，先想到的倒是自己。

先把话说准。这里的「简单」是作者定义的，157 个能评分的脚本里有 47 个用了 PyTorch，85 个用了梯度提升树，所以别读成「线性回归打败顶刊」。作者自己也写了，只有 36 个开放数据的任务，只用了 Claude Opus 5 一个模型。被追平，也不等于这 12 篇论文做错了，它们的结论可能完全成立。

可它确实戳到了一个大家心里都知道、平时不太说的事：对照组很少有人认真做。

原因不难猜。投稿的时候，审稿人和读者最先看的是方法新不新。一个新结构、一个新模块，写进论文就是贡献；花两周把梯度提升树调到最好，写出来只有表格里的一行，还可能让自己的方法显得没那么亮。所以基线往往是从别人代码里拿来，默认参数一跑，数字放进表里就算完成任务。

时间久了，「复杂」和「创新」在很多人脑子里就绑在一起了。方法越复杂，越像一篇论文。

可一个结果算不算进步，我想该看的是它比最强的对照好多少。方法本身多复杂，跟这个问题关系不大。如果对照组没调好，那表格里的提升，有一部分其实来自对照的吃亏。

这件事我自己就说不清。

前阵子给网络加残差连接，几种精心设计的接法都没什么效果，最后随手一连，结果对头了。后来我越想越不踏实：到底是这个结构起了作用，还是我前面那几个对照本身就没调好？如果我把同样的力气花在不加残差的版本上，它会不会也能到这个数？

我不知道。我当时没做这个对照。

我还在读，是个科研牛马，以前总觉得「做出效果」是最难的那一步。现在想，更难的可能是诚实地回答：效果到底是从哪来的。这篇预印本里有个数挺扎心，简单基线中位数能补上平凡预测到深度学习模型之间 95.5% 的差距。剩下那一点，才是复杂方法真正多出来的部分。

这一点不一定小，有时候它就是整篇论文的价值。但你得先知道它有多大。

所以我的建议是，投稿前先让 AI 帮你搭一个强基线，自己跟自己打一架。

提示词大概这样，可以直接复制：

「这是我的任务描述和数据格式：[粘贴]。请你不用深度学习，或者只用最常见的结构，在 CPU 上搭一个尽可能强的基线。先告诉我你会试哪几类方法、各自怎么调参、用什么指标和划分方式，跟我确认后再写代码。最后告诉我：我的对照哪些地方可能没调够。」

跑出来如果基线离你的方法还很远，心里就踏实一点。如果追得很近，那正好，趁审稿人之前先发现。

你最近一篇论文的对照组，是认真调过的，还是从别人代码里拿来的？

[Chenxi.AI @LuckyChenxi]

@Sufe1Mtt0h63599 Ok，ok，这个建议不错哈哈😃

[Chenxi.AI @LuckyChenxi]

@Jeykey00532747 加油加油！

[Chenxi.AI @LuckyChenxi]

@Sufe1Mtt0h63599 哇 谢谢我的朋友

[Chenxi.AI @LuckyChenxi]

AI 错的时候，也说得很顺。

有人说，LLM 写东西最烦的是每一句都想当金句。

我看完笑了一下，然后有点笑不出来。

因为金句多，说到底就是太顺了。AI 写东西不卡壳，不犹豫，不会写到一半停下来说「等等，我好像搞错了」。你问它什么，它都能一口气给你一段话，有开头有结尾，语气笃定，逻辑看着也连得上。

问题就出在这个「看着」。

人自己想事情是什么样的？是卡住。写到第三句发现前两句对不上，想到一半发现例子举反了，算到一半觉得这个数不对劲。那一下特别难受，很多人想到这儿就去刷手机了。

可我越来越觉得，那一下才是思考本身。前面顺下来的部分，大多是你本来就知道的东西在往外倒。卡住的地方，才是你真不懂的地方，也是唯一可能学到新东西的地方。

AI 把这一下拿掉了。

它给你的答案永远是顺的。对的时候是顺的，错的时候也是顺的，而且错得一样顺。你从语气上分不出来，从排版上分不出来，从它用词多专业也分不出来。

人类读东西有个老毛病：读着顺，就默认是对的。读着磕磕绊绊，就怀疑作者没想清楚。这个毛病以前问题不大，因为写得顺的人通常确实想过，顺是花了力气才换来的。现在顺不要钱了，这条经验就失效了。

我们正在把「说得通顺」当成「想明白了」，把「看起来对」当成「对」。

而且说实话，AI 有问题，但更大的问题在用的人。

它没逼你外包思考。是我们自己嫌卡壳太难受，顺手把那一下也交出去了。以前写报告卡住，得自己憋半小时；现在卡住，直接扔给 AI，三秒出一段漂亮话，贴上去，过了。看起来效率高了，可那半小时里本来该搞明白的东西，你一点没搞明白。下次遇到同样的问题，你还是会卡，还是会扔给它。

时间长了，你会变成一个特别会转述、但自己什么都没想过的人。

这事挺吓人的，因为它不疼。写错代码会报错，算错账会亏钱，可想得不深不会有任何提醒。你只会觉得自己最近效率真高，懂的真多。

我不打算劝谁别用 AI，我也在用。就说两个很粗暴的办法，照做就行。

第一个，问 AI 之前，先自己写三句烂话。

不用好，越烂越好。就写你现在对这个问题怎么想，哪怕是「我猜大概是因为 XX，但说不清」。写完再去问。这样它的答案出来，你手里有个东西可以对照：哪里跟你想的一样，哪里不一样，不一样的地方谁对。没有这三句烂话，你就只能照单全收。

第二个，它答完以后，追问一句：

「刚才这段里，哪些地方你其实不确定？哪一步是你在猜？」

它不一定答得准，但这一问经常能把那个顺溜溜的表面撬开一条缝。它会说出「这里依赖某个假设」「这个数我没有来源」之类的话。那条缝，就是你该卡住的地方。去那儿卡一会儿，别跳过。

说到底，我想守住的就是那一下难受。

AI 可以帮你写，帮你查，帮你算。但「我到底懂没懂」这件事，只能你自己卡着过。

你最近一次被 AI 的回答说服，是因为它对，还是因为它说得顺？

[Chenxi.AI @LuckyChenxi]

@chnchn88113 国内倒是影响不大 但是你发paper不是在国际期刊，那怎么知道他不用这种检测机制了 还有留学的那些群体

[Chenxi.AI @LuckyChenxi]

事关所有人！我们苦命的学生

A/的新武器！

用 Claude 润色过的论文，从明天起，被认出来的可能更大了。

11 月 3 日起，Claude 的文本水印会扩到另外 4 个老模型。

先说它是什么。这个水印藏在选词的统计规律里，文字里不多加任何字符。所以「删掉隐藏字符就行」那套说法，对它没用。

1. 被标记只说明这段文字「可能被 Claude 处理过」。帮你校对、翻译你自己写的东西，也会被标上。所以它证明不了文字是 AI 原创的。
2. 改动很大的文字，或者很短的文字，可能测不出来。
3. 检测接口普通人用不了，只对监管机构、媒体、事实核查、研究者、教育机构等开放申请。

所以真被问到的时候，水印能说的很有限。能替你说话的，是你手里那些写作过程。

[Chenxi.AI @LuckyChenxi]

@Sufe1Mtt0h63599 来了来了

[Chenxi.AI @LuckyChenxi]

@Colin_4270 互动来了

[Chenxi.AI @LuckyChenxi]

@Tuo1uoluo 真的可以吗 我去试试看

[Chenxi.AI @LuckyChenxi]

@SignalNewsDaily 早上好 我的朋友

[Chenxi.AI @LuckyChenxi]

@kazegogogo 互动来了

[Chenxi.AI @LuckyChenxi]

@ltsuki49 加油加油

[Chenxi.AI @LuckyChenxi]

@emollick Agree on the human baseline. The finance and law near-zeros only show up under all-or-nothing grading, while the leaderboard itself uses partial credit. A human baseline under both rules would tell us whether 0% means "can't do it" or "almost done, one step wrong".

[Chenxi.AI @LuckyChenxi]

@emollick This also explains why researchers feel it most. We build multi-month workflows (prompts, pipelines, reproducibility notes) on top of tools that were never meant to be stable. Keeping your own copy of the prompts and settings is the boring fix.