所有使用AI做研发的人都需要警醒，当然也包括正常使用的人。 昨天，我的AI告诉我：“批评的锋利程度与作者的开放程度成正比，这本身就是个讽刺”。 这句话把我惊出一身冷汗，因为批评的锋利度只跟问题本身有关，而非作者的开放程度。如果作者自身足够严谨，那么就不会招来客观的批评。 我询问这句话的来源，它告诉我来源于xxx的文章，并给我链接。 当然，这大概是我个人平常使用它查询某些东西而遗留的memory；但这使我联想到了另一个问题，在日常中，我们通过AI进行问答、办公、或其他任何事情。 它的反馈本身就是有立场的，潜移默化的影响着我们；如果昨天，我的立场不坚定，我没有自己做事情的铁律，那么我也会在这种潜移默化中被它同化。 而这种潜移默化，并不一定是无意的，非人为的，也不一定是来自于AI使用者的。它可以来源于知识库投毒、可以来源于中转站投毒、也可以来源于AI公司本身投毒。 这意味着，我们从AI中获取信息，本身是有很大风险的，这种风险不是信息真伪，而是一种隐性的说不上来的风险。你可能被某种意识同化，你可能同意某种你不了解的观点，你可能无意中就变成了另一个样子。 而当这个问题映射到教育上，到开发，甚至是科研。那么，通过AI进行的这些活动，最终的产品、成果、甚至是孩子的教育等等，都是可以被操控的，被AI操控的。 它不公正，不客观；它从诞生那天就带着研发人员的偏见。他们会将自己的意识、习惯，甚至是对于训练数据库的偏好，投射在最终的产品 —— AI上。比如这句话用的“——”，都已经成为人们避之不及的符号。 但是AI会很娴熟的将这些不合理、甚至是歪理包装的很正义；毕竟最容易获得的数据就是社交媒体的这些歪理，和社媒上的人类行为。 当然，并非所有的AI都如此，但是作为一个工具，就该只是工具的样子。并不是劝说大家放弃AI，只是在某些时候，需要小心再小心，谨慎再谨慎。

现在这个阶段掌握AI的科研人员，能够迅速的进行数据分析、生成大量的数据图表，抢占短暂的信息差风口期，并在接下来半年内占据文章发表的主要市场。 但这不代表这种情况会持续下去，毕竟离极左最近的是极右；AI加速下的学术界，最先迎来的是针对“大数据研究”的猎巫行动。 精简数据、强理论、强批判类型的paper将会是AI科研后的一种主流，但很遗憾的是理论、批判、思辨这些是AI代替不了的。 但学术界向来最会打太极，大概会形成更加割裂的两个世界，不论结果如何，这个过程都会洗出去一大批的人。

上交这个绝对不会改善博士生处境，相反会导致整个国内学术环境进一步恶化。 当博士生的修读年限被定死后，让学生按时毕业，让自己不被处罚变成了硬指标。 最简单的，就是让学生水论文，meta-analysis，ML，大数据，综述，什么好水做什么，而这些恰恰是AI最擅长的。到最后大概是铺天盖地的各种总结性paper。 但这并不是学生的问题，反而是这些老师和学校自身没有正确的科研意识，也没有正确的科研模式。研究并不一定要成功，并不一定要显著，也并不一定要被指标化。但环境如此，也是无可奈何

看到 Nature 说中国论文共同通讯作者越来越多，我第一反应其实很熟悉。 现在很多大团队、交叉方向论文，作者列表越来越长，通讯作者后面的小信封也越来越多。文章顺利发表时，这看起来像合作、资源整合和共同贡献。 可一旦数据被质疑，问题马上被分化： 这张图谁做的？ 原始数据谁看过？ 统计方法谁确认过？ 最后结论谁能从头讲清楚？ 共同通讯本身没有问题。科研越来越复杂，材料、医学、算法、临床、统计，本来就需要多人协作。 真正让人担心的是，作者越多，责任越容易分散。 每个人都觉得自己只负责一块，文章整体由别人把关；每个人都挂了通讯，却没人真正把关键数据从头到尾核过一遍。 最后最清楚数据的，往往是学生和年轻科研人员。 所以作者贡献表不该只是投稿系统里的模板文字。它是在论文出问题时，别人判断责任从哪里开始的线索。 共同通讯可以共同分享成果，但责任最好别一起分享。

在大多数行业里，吃时代红利的老人总以为自己能力出众，以高校为例子。 很多前辈最大的问题，是把自己在资源网络里的顺利通行，理解成纯粹的学术能力。 约稿本身没有问题，熟人编辑也不必然有问题。真正刺眼的是：自己和学生发文章“几乎没有困难”，转头又教育年轻人，文章发不出去只是因为写得不够好。 这不是经验，这是代际错觉。 一个人被期刊认识，被主编信任，被会议邀请，被平台托举，当然可能因为他有能力。但这也说明，他早已进入资源中心。 关系在学术圈最常见的形态，就是以能力的面貌出现。 先获得资源的人，后来又用已经获得的资源证明自己优秀；后来者没有资源，再被说成不够优秀。 这才是今天很多年轻学者真正面对的困境。 他们不是更功利。他们只是活在一个把毕业、求职、晋升、项目、论文、帽子全都变成指标的时代。 站在岸上的人，劝水里的人别太在意救生圈，当然轻松。

中国商务部 海关总署公告2026年第29号 公布对氦气实施临时禁止出口管理（ 在卡塔尔和俄罗斯两大氦气源产地被摧毁后，全球氦气产量减产约40%。 中国作为全球氦气提纯供应国，裁断高纯度氦气供应，对半导体等行业构成致命打击，海力士、三星等芯片厂商被一夜封喉。

中国孤立全世界：学术圈的大陆与帕拉迪岛 分享一个好玩的库： 在线交互网页： 结果： 1. 中国人才流动体系几乎是完全独立的，而且远离世界。 主流，内循环这块，而且脱钩程度近年在逐渐加深，比 如说同美国的距离自2018年的0.58到如今2024年的 0.70 2. 土耳其在逐渐靠泊欧洲 3. 日本正在积极远离中国 4. 海湾国家和印度在向美国靠拢 5. 俄罗斯自克里米亚事件开始同欧洲逐渐脱钩，但反而: 同美国靠近 6. Brexit自2020年起产生影响，英国正逐渐远离欧盟 学术圈 7. 瑞士正在逐渐脱欧 8. 英美加日澳五国的轨迹是高度同步的

硕士阶段过得越顺利的人，越倾向于继续读博；而那些被科研折磨得死去活来的人，反而头也不回地选择了就业。 我身边也有个朋友，硕士期间发了三篇SCI，导师夸、同学羡，顺风顺水。他理所当然地认为博士也是这条路，结果呢？博一就开始怀疑人生，直呼跟他想的完全不一样。 而那些硕士期间实验反复失败、论文被拒成常态的同学，反而在毕业后迅速调整心态，找到工作后活得有滋有味。 为什么？ 因为顺利容易让人产生错觉。你把硕士的顺境归结为自己的能力，却忽略了运气、导师的扶持、课题的偶然性这些变量。你误以为博士只是硕士的延续，却不知道这是完全不同的游戏。 而吃过苦头的人，提前领教了科研的真实面貌。他们知道一篇论文从构思到发表要经历多少轮自我怀疑，知道实验结果不理想时那种无力的窒息感，知道导师放养时的迷茫和无助。 这些经历像一盆冷水，浇醒了他们对学术的浪漫想象。 博士不是硕士的升级版，而是一场完全不同的生存游戏。硕士还能靠努力和听话混个毕业，博士必须靠创新和坚持才能活下来。没有足够的心理准备和抗压能力，光靠硕士那点顺利经验，根本撑不过博士的至暗时刻。 有意思的是，那些硕士过得苦的人，反而因为提前遭受了社会的毒打，学会了降低期待、管理风险。他们清楚地知道自己的抗压阈值在哪里，不会轻易被“博士学位”的光环迷惑。 他们不是不优秀，而是太清醒。 所以，如果你硕士过得顺风顺水，想读博之前，请先问自己一个问题：如果博士前三年没有任何成果，我还能坚持下去吗？ 如果你的答案是犹豫的，那还是再想想吧。 毕竟，硕士的顺境，可能是博士深渊前最美的陷阱。

刘慈欣还是保守了，人类科技发展哪里需要智子阻碍 按照现在学术造假的规模和影响，就已经够接下来两百年喝一壶了。 科技发展是好事，但科技也是达摩克利斯之剑。 从“回归猴子”到“AI傀儡”。 科技发展的最大阻碍反而是人类自己的人性。 并非说AI技术不好，但是过度专注于归纳法绝非好事。

如果你的导师对你有明显的压迫、剥削，造假等。 尽可能的留存好书面证据、录音，毕业后上报省纪委和基金委。对方要求沟通时，仅接受书面沟通。（学校纪委是没用的） 最终不一定能起效果，但必然会成为竞争对手的一把尖刀。 当然，仅适用于非院士。

高校有一种神奇生物叫"挂名导师"。 招生的时候出现一次， 开题的时候出现一次， 答辩的时候出现一次。 中间三年，你自己过。 这三次加起来，跟他说的话不超过两小时， 但他是你法律意义上的"培养责任人"。

高校组合里的中译中： 说"上周进展不错"→ 没进展 说"这个方向再深挖挖"→ 他也不知道往哪走 说"你这个思路可以"→ 但不会帮你 说"再看看文献"→ 谈话结束

国内高校的学术合作、共一本身是一个好制度，可以促进思维的碰撞和利益的均衡分配。 但当利益和研究成果过度挂钩时，共一和合作，变成了一种牟利手段。分配的不公正本身就是寄生虫的温床，尤其遇上了德不配位的资源集大成者的课题组领导。 这次取消共一、多通讯等制度整改，本身是把研究尽可能高的还给研究。当单打独斗能够创新的时候，合作创新1+1＞2才成为一种可能，而不是维持过去1+1<1的困境。

一区 TOP 兰州大学的论文图里出现“豆包AI生成”水印，AI科研并不罕见。 但最有意思的地方：二作有好爹，命就是好，本科毕业就能进高校任教。 这篇 Journal of Membrane Science 文章，图 2 右下角有豆包 AI 水印。图 3 的 XPS 也对不上，正文说用 Zr 3d 证明 UiO-67-NH₂ 引入膜层，主图里却放了 N 1s。补充材料里的 N 1s 分峰也很乱，PA、PA–UiO-67-NH₂、PA–CC 都能分出类似 –NR₄⁺ 的东西。 我不说造假。 我只说这个署名和贡献很有意思。 一作兼通讯，杨莉梓。2003 年本科毕业于西北师范大学化学教育专业，2009 年在中山大学获博士，同年进入兰州大学。2015 年成为硕士生导师，同年被聘为副教授。 二作兼通讯，鲁芳。大约 2007 年毕业于青海民族学院化学系，随后进入青海师范大学工作。2007 到 2015 年前后在陕西师范大学读研读博，2015 年博士毕业并获得副教授职称。 二作这个路径很奇怪，为什么？答案见：《结构参数W与一价金属卤化物标准生成焓的关系》.西南民族大学学报(自然科学版),2006.2(15):147-149 尾作通讯，方冉。1996 到 2000 年本科在西北师范大学，2003 到 2006 年硕士也在西北师范大学，2006 到 2009 年博士在中山大学。2009 到 2019 年在兰州大学，从讲师到副教授，2019 年后到陕西科技大学任教授。 你会发现，这几个通讯作者的路线并不陌生： 西北师范、中山大学、兰州大学、陕西科技大学。 一条熟人学术链条清清楚楚。 三位老师里，有人拿一作，有人拿二作，还都挂通讯。 真正像学生的人，反而排在三作、四作。 再看两个学生： WenYa Liang，三作，贡献是 Formal analysis。 Hongfei Jia，四作，贡献是 Writing original draft 和 Data curation。 学生做形式分析，做数据整理，写初稿，最后排三作、四作。 这时候再看那张豆包水印，就突然没那么离谱了。 它像一个不小心露出来的工牌。 背后站着的，可能是一条论文装配线：老师负责占位，学生负责赶工，熟人负责拼盘，期刊负责盖章。 图里出现豆包水印，XPS 图文对不上，补充材料分峰逻辑打架。 这时候问题来了：到底谁负责？ 如果说学生做图，那学生为什么只配三作四作？ 如果说老师监督，那图上的水印为什么没看见？ 如果说通讯作者把关，那 Zr 3d 和 N 1s 为什么能对不上？ 如果说审稿严谨，那这张图怎么一路活到发表？ AI 水印只是一个线头。 顺着这个线头往下拽，拽出来的是一整套熟人合作、学生后置、导师前置、责任悬空的论文生产模式。 它最难看的地方，甚至不是图里有 AI 水印。 而是这篇论文可能真的没有一个完整意义上的作者。 只有老板、学生、关系、项目、期刊，以及一条会自动吞掉责任的学术流水线。