新智元报道
新智元报道
【新智元导读】在CVPR 2025上，谢赛宁发出振聋发聩的批判：如今的AI学术界，已经彻底畸形了！有巨大缺陷的学术激励制度，让所有研究者陷入内卷，精疲力竭。而自己的DiT、SiT等开山论文，也让CVPR评审被狠狠打脸了！
为什么如今的人工智能研究，有可能沦为一场「有限游戏」？
研究人员面临的压力，已经令人精疲力竭，当今的学术激励制度，是否存在着巨大缺陷？
刚刚在CVPR 2025上获得年轻研究者奖的谢赛宁，提出了这些深刻的问题，引起了全场深思。
作为纽约大学计算机科学助理教授，谢赛宁此次获奖可谓实至名归。
而他的演讲「研究作为一种无限游戏」，也成为本届CVPR上的精彩亮点之一。
有趣的是，谢赛宁特意回顾了自己的DiT、SiT两篇论文，分别被CVPR 2023和2024拒收的经历。
虽然当时被拒收，但紧接着，CVPR评审就被狠狠打脸：这两项工作，分别成为了Sora和Stable Diffusion 3的奠基性成果。
谢赛宁参加的这个CVPR社区建设研讨会，主题就是支持早期职业研究人员的成长。
活动现场，各位研究者们都发表了一系列精彩演讲，进行了坦诚的小组讨论。
下面，就让我们仔细看一下谢赛宁的演讲中都说了什么，准备好，思想盛宴开启！
在演讲开场，谢赛宁介绍了这样两种游戏。
其中一种是有限游戏，它有一套明确的规则，目的就是获胜。有人获胜，就意味着其他玩家失败。
而一旦宣布获胜者，游戏就结束了，所有玩家必须停止游戏。
而另一种，就是无限游戏。它的目标不是获胜，而是让所有玩家继续玩下去。
任何规则、界限，甚至是玩家，都可以随着时间推移而变化。唯一的必要条件，就是游戏永不终止。
以上概念，是由NYU历史学教授James Carse在自己的书中提出的。
而在本次演讲中，谢赛宁主要谈论了以下四部分的内容。
1. 为何研究理应是一场「无限游戏」？
2. 我，即是我自己的天才
3. AI研究正在陷入「有限游戏」困境？
4. 无人能孤身成局
所谓「无限游戏」，可以从反脆弱性、开放性、持久性和教育这4个方面说起。
A. 反脆弱
「反脆弱性」就是指任何在面对随机事件（或某些冲击）时，上行空间大于下行风险的事物。
无限游戏就是反脆弱性的，研究也是同样。
很典型的一个例子，就是一篇论文的影响力，对你职业生涯的影响。
所以，究竟该如何才能找到真正属于自己的研究思路呢？
第一步：追随你的好奇心与热情，让它们为你指引方向；
第二步：大胆探索，在数学推导和动手实验中反复尝试；
第三步：拥抱不期而遇的惊喜，真正的灵感往往源于意外——从混沌中获益！
注意，一定要避开这个陷阱：从第一天起就抱着一个僵化的想法，然后发表一篇固步自封的论文。而这，往往是最为平庸的作品。
B. 开放
经过训练，有限玩家可以预测未来的每一种可能性，以控制未来为目标。但无限玩家则继续游戏，期待着惊喜。
惊喜会导致有限游戏的结束，却是无限游戏得以延续的理由。
在开放的科学中，进步不是来自对知识的守旧，而是来自对知识的分享。只有发现的游戏才能持续，才能不断演化。
可以说，学术界是唯一一个你可以完全自由、开放地探索的空间。
对身处学术界的人来说，请充分利用这份独特的自由——这是一种特权。
而对身处工业界的人来说，学术界可以成为你强有力的盟友，帮你降低风险、开启新的方向。
C. 坚守
有限游戏的参与者，可能会在目标无法实现时选择放弃：「论文没被接收/没拿到资助/产品没上线，所以我失败了。」
而对无限游戏的参与者来说，坚持是一种存在方式：「这是更长远游戏的一部分。我该如何学习、适应，继续前行？」
在这里，谢赛宁就引用了自己DiT论文的典故。
2022年，他和William Peebles一起发表了DiT论文，首次把Transformer和扩散模型结合了起来。
从此，统治扩散模型的U-Net直接被取代。这一论文，成为了奠定他学术地位的开山之作。Diffusion Transformer，也成为了Sora的基础架构之一。
论文地址：https://arxiv.org/abs/2212.09748
然而，就是这样一篇神作，当初却因「缺乏创新性」的理由，直接被CVPR 2023拒了，还一连被多个大公司拒绝。
还有另外一个小插曲：谢赛宁是在deadline截止前三周，才转向这个项目的。
后来，他们重新提交了这篇论文，未经任何修改，就在ICCV 2023上获得了Oral。
而合著者William (Bill) Peebles随后加入了OpenAI，领导了Sora技术团队，让DiT的影响力在全世界无限扩大。
Sora爆火后，谢赛宁针对其技术报告做了解析：Sora应该是基于他和Bill之前在ICCV 2023上提出的以Transformer为主干的扩散模型（DIT）。其中，DIT=[VAE编码器+VIT+DDPM+VAE解码器]
所以谢赛宁告诉我们：有时候，你需要等待；另一些时候，你需要换一种方法，来实现目标。
另外，他和Willis Ma等合著的SiT论文，也因「缺乏创新性」这个理由，被CVPR 2024拒了。
论文地址：https://arxiv.org/abs/2401.08740
在稍加修改后，论文被ECCV 2024接收。
就在几个月后，CVPR评审又被打脸了：Stable Diffusion 3发布，直接表明「结合了DiT架构和流匹配技术」，也就是基于SiT。
而谢赛宁等人的SiT，现在早已成为工业界常用的基准方法。
总之，谢赛宁表示，自己还可以继续讲很多，自己的许多被最多应用的论文，开始并没有得到最有力的评价。
但是坚持不懈，就是无限玩家会做的事！
D. 教育
如果把博士的「培养」视作一个「有限游戏」，会是下面这样。
· 规则目标
发表X篇论文、通过资格考试、完成毕业答辩。
· 参与成员
你自己、你的导师委员会，以及同届的其他博士生。
· 获胜条件
赢得「博士」头衔，收获学术声望。
· 游戏时限
毕业，即是这场游戏的明确终点。
但博士的「教育」，其实是一场「无限游戏」。
· 终身学习之道
博士教育的真谛在于教会你如何学习，如何提出深刻的问题，如何挑战既有假设——这些能力将伴你终身，其价值远超学位本身。
· 炼就自身心智
你将成为一个能安然于模糊混沌，能与盘根错节的复杂性深度共事，并能在失败与迭代中安之若素的人。
· 从汲取到反哺
你完成了从知识的汲取者到知识的创造者的蜕变——并开始为后来者引路。
· 游戏永不终局
即便毕业，你也并未「赢得」科研或教育这场游戏。你将永远身在局中，而你参与的目的，就是为了让这场游戏永远进行下去。
讲到这里，谢赛宁告诉我们：所有人都能够并理应开创自己的赛局。
首先，需要思考一个问题——我们究竟为什么要发表论文？
Hannah Arendt曾在1964年说：「我该为影响力而奔走吗？不，我渴望的是理解。而当他人也达成了与我同样的理解——那一刻，我便获得了一种满足感，一种深刻的归属感。」
而你，我的朋友，要做的就是定义属于自己的玩法！
在无限游戏中要脱颖而出，靠的不是战胜对手，而是成为你自己，并去鼓舞他人！
这也就是我们常说的「讲好一个故事」，以及「研究的品味」。
接下来，谢赛宁提出了一个非常有意思的观点——研究人员就像是时尚设计师。
比如在他看来，何恺明就是最好的设计师之一。
你或许对这些说法不陌生：「一表一核心！」
或者这个：「简洁且有理有据的方法。」
「一步一步地进行消融实验，厘清混淆变量。」
而这些设计，也让谢赛宁等人获得了业界的诸多肯定。
正如谢赛宁一直以来都会为自己的项目打造一个专属的主页。
你也应该为自己的论文、工作、甚至是本人，打造鲜明的品牌。
不要只做一个学术的「缝补匠」。
（指那些沉迷于对现有模型/工作进行微小改进的研究者）
要知道，在如今这个时代，人们早已没有时间去读那么多paper。
因此，怎样做好知识共享，让自己的学术成果得到最大化的传播，就成了一门很重要的学问。
而谢赛宁的模板由于效果十分拔群，在圈子里可谓是相当火爆——有不少研究者都复用在了自己的项目里。
接下来这一部分，谢赛宁提出了很多相当令人担忧的问题。
面对正在陷入「有限游戏」泥沼的AI研究，「无限玩家」必须挺身抗衡。
如今，业界形成的一些研究范式，着实令人担忧。
比如我们经常看到的下面这个局面——
一个关键的「有限玩家」（比如OpenAI）发布了一篇新论文（比如4v, r1, GRPO, o1, 4o…）。
紧接着，一波跟风之作便会随之而来。之后，所有人都会蜂拥而上，争相发表同一主题的论文。
由此，大家陷入了一场唯「快」是图的竞赛。
原因在于，一旦论文率先发表，就能收获更多引用和关注，成为赢家。后来的贡献者，往往就被直接忽视，成为输家。
而一旦某项「开山之作」问世，其他人就会迅速放弃这个课题。
由此，研究人员也被逼得身负重压。
巨大的科研压力，时常压得他们喘不过气来，尤其是学生和青年学者。
所有人都在为争夺有限的认可而拼命内卷，维持着让人身心俱疲、难以为继的节奏。
而现在的学术界，也已经形成了一套颇为畸形的学术激励机制。
比如重视速度，轻视深度和创造力；奖励短期的快速胜利，而不是持久的贡献。
这就十分危险——当学术界也玩起了「有限游戏」，惨败的结局就已经注定！
而破局之道，就是定义新的问题。毕竟，问题是无穷无尽的。
举例来说，谢赛宁和Penghao Wu早在2023年7月就启动了引导视觉搜索作为多模态LLM核心机制的「V*」项目。
当时他们的动机在于，根据人类心理学的相关研究，视觉搜索是一种核心认知机制。
论文地址：https://arxiv.org/abs/2312.14135
在这项研究中，谢赛宁等人将VQA LLM与视觉搜索模型相结合。借助大模型的世界知识，V*会对视觉目标进行多轮引导搜索。接着，它会提取局部特征并将其添加到工作记忆中，最终利用搜索到的数据生成响应。
扩展阅读：
·CV大神谢赛宁新作：V*重磅「视觉搜索」算法让LLM理解力逼近人类
虽然有些人对此表示不解：「这项能力有什么必要吗？它明明会拖慢整个系统。」
但随着新问题的诞生，新的赛局也悄然打响。
时间来到2025年，当OpenAI在发布最新版o3和o4-mini的时候，不仅在模型评测中加入了基于V*的视觉搜索基准，而且还将基于图像的思考能力作为重中之重，直接放在了标题上。
扩展阅读：
· OpenAI震撼发布o3/o4-mini，直逼视觉推理巅峰！首用图像思考，十倍算力爆表
· o3精准破译照片位置，只靠几行Python代码？人类在AI面前已裸奔
· 两张图定位全球，o3碾压T0级高手！人类「诡计」被看穿，跨模态推理爆表
一句话总结就是：「有限游戏」或许能带来财富、地位、权力与认可；但「无限游戏」所提供的，是某种更深刻、也更有意义的回报。
当然，我们并不能指望青年学者从一开始就自然具备这种着眼长远、胸怀利他的格局。
真正的问题在于：我们该如何构建一个正向的反馈闭环，来孕育并守护这种格局？
PPT最后，就到了上价值这趴了。
作为总结，谢赛宁先是通过引述，写出了自己的一些思考和感悟。
「要是搞计算机视觉，你绝对找不到工作。」——某篇博客，2010年
「你应该投身于计算机视觉。CVPR这个社区开放、包容，从不排外。」——一位导师，2013年
正如前文所述，「玩家」从不稀缺，但更多的玩家并不一定意味着「无限游戏」。
因此谢赛宁呼吁，希望大家能够共同努力让整个科研环境变得更好。
我们切莫将社区的存在视为理所当然——它的强大与包容，你我皆有责任。
最后，致各位无限游戏中的同道者们：尽情享受这场游戏吧，谢谢大家！
（文：新智元）