最近看了 CCF 优博成长访谈第三期，上海交通大学杨学博士生如何做好系统性科研 | 对话优博·第3期，这期访谈给我的触动极大，因为它探讨的是一个科研工作者如何长期成长、稳定输出、建立个人学术身份的核心命题。
我最大的收获可以概括成三个关键词：系统性科研、专注、协作与合作。 这三个词看起来很普通，但如果真正落实到日常的文献阅读、实验设计和团队带跑中，会直接重塑一个人的做事框架。
一、 系统性科研：让每一次工作都产生复利
我以前对科研的理解，更多是“看到一个方向，读几篇论文，做一个实验，写一个 PPT，完成一次汇报”。这种方式能推动事情，但极易变成一次性消耗。
真正高水平的科研应该有一种复利效应。所谓复利，就是今天做的工作，不能只服务于今天。它应该能成为明天的基础，成为下一个课题、下一篇论文、下一次实验的积累。
比如读一篇论文，如果只是看完，那价值很快就消失了。但如果把它结构化整理成：
- 研究问题与方法核心是什么？
- 数据集和实验怎么设计？
- 它解决了什么，没解决什么？
- 对我当前课题有什么直接启发？
那这篇论文就变成了长期资产。同样，做一次实验如果保留了完整的代码、环境、参数、日志和失败原因，它就能成为后续实验的底座。系统性科研的关键，不是“做很多事”，而是让做过的事之间发生联系。
我现在更应该建立自己的科研资产库，包括：论文笔记库、方法分类表、实验记录表、代码运行手册（如 paperctl 资产）、组会汇报材料以及失败实验复盘。一个人最终的科研高度，就体现在他能不能把零散的努力，沉淀为一个持续生长的系统。
二、 系统性科研不等于不追热点
杨学老师提到一个极其关键的观点：系统性和追热点并不冲突。
很多人一听“追热点”就觉得不扎实，一听“系统性”又觉得必须十年只死磕一个极窄的切口。其实更好的方式是：确立自己的主线，然后把热点吸收到自己的主线里。
我现在关注 AIGC 视频检测、高保真生成视频、攻防鲁棒性、3DGS、视频编辑等内容。如果没有主线，这些东西看起来会很散；但如果把它们统一到一个核心追问下，就会变得异常清晰：
高保真 AIGC 视频到底会留下哪些生成缺陷？现有检测器依赖哪些信号？这些信号在后处理、压缩、重采样、编辑和攻击下是否仍然可靠？
这样一来，Sora、VACE、DeepFake、3DGS、频域分析、时序一致性，都可以进入同一个研究框架。热点不是目的，热点是材料；主线才是方向。
以后看热点论文时，不再问“这个东西火不火”，而要问：
- 它和我的研究主线有什么关系？
- 它暴露了什么新问题？
- 它能不能成为我的系统的一部分？
三、 专注：建立自己的“学术标签”
一个研究者要让别人知道你是做什么的。长期积累之后，别人一想到某个细分方向，就会想到你，这就是科研里的生态位定位。
对我来说，现在最重要的不是同时盲抓多个方向，而是逐渐形成一个清晰的阶段性标签： “AIGC 视频鲁棒检测与生成缺陷机制研究。”
再具体一点：研究高保真 AIGC 视频在时序、语义、频域、身份、几何和物理一致性上的缺陷，并探索更鲁棒的检测与评测框架。
专注不是拒绝新东西，而是知道新东西应该放在系统里的哪个抽屉：
- 学习 3DGS，是服务于几何一致性理解；
- 学习视频压缩，是服务于鲁棒性分析；
- 学习 Mamba，是服务于视频时序状态建模。
四、 学术品味：从“加模块”跳到“整体问题”
科研不能一直陷在 local 的思想里，要从更 high-level 的任务设定去思考。
做 AI 科研时，初学者极易陷入“加模块思维”：加个 U-Net，加个 CLIP，换个 Transformer，缝合一个频域分支，改个 Loss。这些工作如果动机不够强，很容易沦为平庸的 incremental work（渐进式工作）。
真正好的问题应该先从任务本身出发。对于 AIGC 视频检测，我不能只想着“做一个更高准确率的检测器”，更有价值的追问是：
- 当生成模型越来越真实时，传统检测信号会不会失效？
- 现有检测器到底抓住了生成本质缺陷，还是数据集捷径 (Shortcut)？
- 如果视频经过复杂退化（裁剪、调色、补帧），检测器还可靠吗？
- 能不能提出一种更接近视频物理本质的时序状态检测方法？
五、 协作与合作：从单兵作战走向系统组织
大模型时代的科研越来越像“大兵团作战”。这对我现在带科研小队极具启发。
我不能只是简单地把任务分出去，等大家交材料。那样必然导致：理解不一、格式混乱、深浅不一，最后整合成本极高，材料也无法直接进入论文。协作的本质，不是把任务扔给别人，而是让不同人的工作可以对齐、复用、叠加。
比如调研视频生成模型，必须提供统一的标准模板：
- 模型/平台名称与背后的团队
- 是否开源及输入输出形式
- 核心技术路线与能力特点
- 潜在生成缺陷与对应检测信号
- 对我们课题的启发与可复现资源
同时，要让别人知道怎么帮你。 作为组织者，我需要清晰定义团队目标：“我们不是在做零散的文档拼凑，而是在建立一个 AIGC 视频检测方向的系统性知识库。每个人负责一块，最终合并成『生成模型—缺陷来源—检测信号—实验设计』的总表。”
结语：把每一次努力变成长期资产
这期访谈给我最大的敲打是： 科研不能像游牧民一样，哪里水草丰美（热点）就去哪里，啃完一块地就换下一个地方。 真正强的人，会围绕一个长期方向持续夯实基建。
系统性科研意味着：
- 我不只是读论文，而是在建立知识库；
- 我不只是跑实验，而是在建立实验资产；
- 我不只是做 PPT，而是在训练表达与论文素材；
- 我不只是带同学分工，而是在学习组织协作；
- 我不只是追热点，而是在把热点纳入主线。
专注让我有方向，协作让我能做更大的事，系统性让我不断产生复利。以后在敲下每一行代码、打开每一篇 PDF 之前，我都需要问自己一句话：
“我现在做的这件事，是一次性消耗，还是可以沉淀的长期资产？”