一个 PhD 四年级学生，为什么决定去读博

嘉宾李磊介绍学历路径与小米 MiMo 后训练直播的背景。他回忆读博决定的纠结：如果十年后躺在床上会后悔没读，那就去读。入学两个月即中最佳论文奖，反而带来「出道即巅峰」的恐惧。

难而正确：一套缓解焦虑的读博打法

李磊总结自己的打法：快速迭代、高强度节奏、及时获取反馈；选择难而重要的问题，哪怕只推进一点也会被认可。他拆解博士生的三重焦虑——发表、意义、出路，并指出大模型是锯齿状智能，别被社交媒体放大的一面吓住。

顶会系统还能撑住吗，以及用 AI 刷论文为何不可取

审稿量从两三篇涨到十篇，录用随机性变大，社区用限投、资深审稿人、双 SPC 讨论来应对。李磊认为用 AI 批量投百篇是对系统的 DDOS 攻击，论文的本意是知识分享。评价体系正在弱化论文，转向开源、issue 维护与 Hugging Face 下载量。

大粉理论：小红书粉丝数为什么能和引用数比

李磊把做自媒体视为 PhD 的一门课：反馈快、算法能聚拢同好、声量能放大工作价值。他给出利他、坚持、做自己三条原则，并复盘自己从论文笔记到爆款笔记的涨粉过程。

读博的三个里程碑：做研究、带人、进工业界

第一阶段是学会独立完成一篇有影响力的论文，包括从零实现基础算法、设计实验、写作与宣传；第二阶段是领导力，从生成者变成批判者，case by case 带新人；第三阶段是从学术界转向工业界。

冷启动：十封邮件只回一封，以及冒泡排序

李磊大三发十封 cold email 只收到一封回复，由此进入科研大门。他建议最大化 output：做产品、写 research blog、设计小实验，并举苏剑林推出 RoPE 为例。他引用《巴拉巴西成功定律》说明必须持续发布，并进入关键节点。

选导师远比选学校重要

李磊以 Eric Wallace 为例说明定位与时机的重要。他强调 PhD 类似师徒制，组与组的差异体现在成果和精神状态，建议私下问在读与毕业学生是否快乐。他自己是在上海 AI Lab 实习半年后确认与导师风格匹配，并推荐做 RA 来双向了解。

快与慢：一个假设错了半年的教训

针对「本科生别急着发论文」的倡议，李磊认为本意是不把论文当唯一标准。他分享自己花半年调算法却发现假设错误的经历，如今先用 toy experiment 验证最小假设。选方向要慢，执行要快。

内地、香港、美国：三种读博生态与 AI 鸿沟

内地读博更快进工业界但师徒制压力大；香港融合内地又吸引有活力的老师；美国离学术圈近但签证与 CPT 痛苦。李磊承认 AI 造成 K 型分化，但认为 AI 极其平权，鸿沟里有很多梯子。

教授创业潮，以及到底要不要读 PhD

教授创业能快速聚齐算力、工程师与数据资源，但拿钱也要付出代价。李磊认为若只为进大公司，读博没必要——本科生甚至高中生也能进；但若想有一段完整时间满足好奇心、培养技能，读博仍有价值。

后训练直播：一次面向国内外舆论的透明化

李磊把 agent 范式与大规模强化学习视为年度震撼。小米 MiMo 做后训练直播，是为回应传言、给行业信心并收集反馈。国内最关心费用，国外最震惊于透明程度，TensorBoard 几乎全公开。

数据公司为何估值高，RSI 走到哪一步

李磊认为数据公司高估值合理，因为算力、数据、人才都不便宜，而数据生产复杂度上升多个量级。RSI 信号越来越强，模型在 well-defined 问题上进步迅速，但「定义重要问题」的 taste 仍未突破。

好 benchmark 的三个条件，与给博士生的祝福

李磊总结好 benchmark 要测新能力、数据来自真实用例、易用性到位。谈到 MIT 机械工程变热门、CS 入学下降，他说一代版本一代神，但 CS 应成为必修课。给焦虑博士生的建议是：paper 迟早会中，饭还是得吃，觉还是得睡。