后LLM时代是不是做research更爽一些？

直接和GPT讨论idea，全自动检索literature。Codex快速test，稍微改改扔cluster上出数据。写出文章梗概的md之后直接扔给agent生成全文。 感觉一个月就能写一篇

是的，审稿也是 AI

造更容易了

感觉写出来的完全是 然后投 AI 会议被 AI review 三 A 会议了

你试过吗，实际上生成的东西都是AI slop不堪入眼 也就写码快一点

这就是peer review的锅了，应该从源头上把AI review给ban掉。大教授拿那么多钱还不工作吗

大规模制造学术垃圾

那我这种工资不如低保的博后review怎么说

直接全部给recommend to publish。

感觉 ai 写的确实 ai review 就够了 猎户葱: 源头上 那得两边都想办法 ban 掉 ai slop 两边用 ai 辅助我觉得都没问题 纯 ai 是真的纯纯大规模造现在

一个月一篇是不是有点看不起AI了： https://mp.weixin.qq.com/s/9A0tv7Z44GXwg4B7rPf37A

说ai不行的，就像开车超速不遵守交通规则，然后怪汽车一样。 你自己不好好修正，review code，完了怪ai效率太高，大可休矣

感觉 AI 时代最不可替代的，还是养老鼠、烧炉子、推式子的

你认真的吗？我天坑PhD，现在研究经费砍的特别厉害，大概率明年毕业就失业

那不行，要先revise，然后再recommend to publish. 这样review次数直接翻倍lol

推式子其实也不行。 【长篇专访数学家恽之玮: 数学研究、年轻人的压力与AI时代！】 https://www.bilibili.com/video/BV1DsXuBrESX/?share_source=copy_web&vd_source=69997067edc97710a47839fcaa4e9af8 就不谈terry tao这种ai忠实粉丝了 我感觉长材料/收实验数据还是得等具身智能，估计还可以苟一段时间。 养耗子的感觉应该短时间看不到希望。ai 全自动解剖，感觉还是太可怕了。

艹 这些真全自动无人流水线了

有一种小学老师不准用计算器做算数的美感。

最近一直在hpc上用vscode+claude做科研，包括做计划，写任务脚本，监控slurm任务进程，写分析脚本，etc。今天早上被hpc的人找了，说我的vscode/claude一直在walk through整个data存储系统，好像主要是rg这个命令？严重拖慢了数据系统的读取速度。跟我说写代码的话开一个小的workspace就行了。。可是做科研又不是只写code，不access数据folder和之前其他阶段的folder，我对着空气做计划和分析吗。。请问泥潭的大佬们有什么好建议吗，在办公室同事们面前被hpc的人教育好尴尬。大概就是我们的home在/mnt/home/[username]，然后存储在/mnt/data/[username]，我原来直接打开~（/mnt/home/[username]）当workspace，我的home里有一个指向data folder的symbolic link。但是我一个臭做科研的实在不懂hpc啊！！ 我知道这是我的错。。

开一个worktree，沙盒？ 然后做之前先给数据库创建一些比较全面的只读view，然后再prompt和CLAUDE.md里引导agent去读那个只读view，deny他读数据库本身的权限。

Bastet: 你认真的吗？我天坑PhD，现在研究经费砍的特别厉害，大概率明年毕业就失业 跟lz标题不冲突啊 之前需要100个researcher，每人六万工资，现在AI出来了，只需要20个，每人12万工资，五倍文章产出率，那国家省下了一半多的钱，文章数量没变，每个researcher也工资更高了，win win win 至于剩下那80个researcher去哪了你别问，你就说能做research的那20个爽不爽吧

如何大规模制造 现在投稿量有暴增了吗

把它不该access的地方设为不可读吗？没太理解什么叫创建一些比较全面的只读view。因为hpc的人抱怨的就是vscode/claude用grep一直在到处读读读。 我的home里只有一些executable，数据分析脚本什么的全在data里

“最近metadata IO总是满满的，A老师你有什么头绪吗？” 说起来我之前还搞出metadata storm，直接被半夜邮件教育 /uploads/short-url/xZkWFGIaJUZDMHKP7ebuEBgWDjf.png?dl=1

别骂了，人家直接跟我说你搞的metadata IO总是满满的。 我的slurm没遇到过啥问题，不过理论上应该也不会有大问题，因为slurm job都是在compute node的local storage上跑，不会影响别的东西

投稿量不清楚，审稿着实是审到了不少ai屎了..

对用grep的话不但速度会很慢而且会影响hpc的io。 Alexandrina: 数据分析脚本什么的全在data里 大家都是这样的吗 ，那感觉好像也无所谓。 不太会说有请chatgpt帮我组织一下语言 pickle 先在自己 folder 里创建 object，行不行？ 行，而且这是很好的思路。 更一般地说，不只是 pickle，你应该主动做一层 轻量缓存 / 索引 / 抽样摘要，放在 home 或 scratch 里的小目录，供分析和 agent 使用，而不是每次都让工具直接扫原始数据树。 比如： 预先生成一个小的 manifest.csv ，记录数据文件名、日期、大小、变量、路径 对大表先抽样出 sample.parquet 对结果目录生成 summary.json 把中间对象序列化成 pickle / feather / parquet 把 Slurm log 先提取关键信息到一个小文本或 csv

我之前直接在代码里写了个sleep占住机器，被skip manager教育了

好奇能怎么ban掉。听说现在检测是否用AI review的准确率也挺低的

Garbage in, garbage out

除非HPC admin配置好了支持vscode tunnel，你用vscode会拉爆filesystem 你对应的hpc manual里应该有写能不能用vscode

我感觉每次把draft送给AI polish，都比我自己写得好很多还能准确表达我想说的

前提是 你得有draft 才可以 AI polish的很好 我写日记也用AI Polish

我同意啊，现阶段AI必须有一定量的prototype才能产出比较像样的东西，直接给outline只能出slop。

我最近试过用AI end2end搞科研。感觉research的大部分步骤，AI都可以做了，而且是一日千里，感觉我当年phd 5年工作，在claude时代，大概就是半年不到的工作量。 AI唯一差的就是不太能构思原创idea，只能到处复制粘贴，所以核心idea尽量不要听AI的，不然很可能最后变抄袭了。另外最后的论文质量，需要手动精修。AI写的文章经常抓不到重点，所以我只能让AI尽量写长，然后再来删减。 一个月写一篇，确实有可能，但值得写作的idea有那么吗？大家现在做实验写文章都快了，那些incremental的idea，就更不值得花时间搞了，等你做完，可能其他人已经发出来了。这种问题以前也有，但在手敲代码，手写文章的时代，可能容错期是按月计时的，现在就是按天了。

不能用vscode的remote ssh吗 我一直用啊，虽然会在hpc自动下载和安装一个server。

确实，在我喂了很多draft之后，我试过让AI自己生成一个新的section，其实质量还可以。我可以直接在这个AI-generated draft上面修改然后再送去polish

在你没拉爆hpc的时候是可以用的，拉爆次数多了就会明令禁止不准用了。这个看hpc admin。。我有access的好几个里面有些是做了支持的，有些字体加大加粗禁止使用vscode

真要我用openssh我还不太会用了，AI时代鬼记得那么多linux command啊

AI现阶段讲原创故事的能力还是差太多了

叫AI帮你写command

可以，但是他们建议只开一个小的project folder当workspace写代码，听他的意思最好是在home directory的subfolder。其实我去年一直直接打开整个home dir当workspace同时有symbolic link到data folder，但是从来没卡过。。感觉是今年大家都开始用CC/Codex什么的，然后还有一小部分像我这样的低质量用户，导致系统开始变卡了。当然我懒是第一要素，但是开一个小folder只用写代码和我用CC帮忙辅助科研（需要理解整个project的过程目的以及未来发展balabala）是两件不同的使用场景。。。尤其是写分析代码的时候，需要claude知道我的文件结构和输出格式，当然楼上谭友建议的方法很好，我让CC帮我再refine一下我来试试

这个问题你问AI其实就能解决，development阶段你不需要全部数据啊。你抽一个subset到project folder就行了。。代码调试好了再push到compute node跑full dataset就行了

归根到底是我太懒了 我喜欢在一个workspace里干到天荒地老，不喜欢换来换去，test完分析脚本之后，等几个小时我的数据跑完，我就可以继续在同一个session里继续让CC帮我进行整个production run的分析了。我整个development都在compute node（我们的workstation是hpc的一部分，算是一个小compute node）。千言万语，都是我的hpc使用习惯太差了

使用Warp

我的体验是复现一些不给代码的工作更容易了，更容易follow同行以及进入原先熟悉概念但是没有上手做过的领域，但是没有现成工具的还是不容易vibe出好使的，需要大量人力参与其中，包括初期的设计和后面的code review与测试

用vscode的集成终端打开claude code cli，不用claude code的vs code插件应该就行

真的吗！这两者在使用grep/ls/find之类的命令上有什么区别吗？

主要是人可以在vscode看大的文件树，同时让claude只在sub folder里面工作，有需要的时候再指示它去看外面的文件夹

你这信息不行啊，今年nih的经费不仅没被砍还历史新高了

sptcutah: 人可以在vscode看大的文件树 是的，感觉这个还挺重要的 CLI苦手不用vscode的GUI偶尔会很烦躁。我去试试，谢谢。 Skwbs: ai染指数据 AI读数据看格式才能写分析脚本嘛。。数据都是跑计算跑出来的 你可不要听风就是雨

你居然让ai染指数据？IRB不来找你就不错了

猎户葱: 感觉一个月就能写一篇 一个月都不一定拿得到数据. 我个人觉得生物医学反而成了后llm时代护城河最好的research领域了，因为有一堆人管着你不能把数据喂给ai

解放了科研里大头的prototype和testing的垃圾时间，垃圾idea让claude code自己测一下，拿到initial result就知道能不能做了。而且代码越来越不值钱，原先大家还会用代码量看来表示自己的工作量，现在指标失灵了。

任何自己拥有数据的领域都更好了其实。以前embargo一年你能写两篇，现在有了LLM做pipeline development可以写四五篇

是的，之后的research重点就是找到能生产数据的地方，霸占住资源

本老本科时候要是有LLM，估计就不会那么痛恨做科研了。

还教授 想太多了 大多数 peer review 都是绿卡不报的博士博后

猎户葱: 全自动检索literature 现在有什么好的 skill / CLI 吗？

还是得deepthink吧，大部分OA不是都有反爬。

肯定啊，现在各方面都在受到AI slop的冲击 app store审核， github pr, 连小说/漫画投稿都是

审稿的很多都是phd 还有本科生

misc: 连小说/漫画投稿都是 这个比chatgpt早多了，大概stable diffusion和novelai的时候就被冲击很严重了吧 现在小画师真的活不下去，AI只要喂的够仔细多细心调一调能抵十年画画苦功

最近网易出事不就是辞退了很多画师，用AI喂

不能这样看 去年一套组合拳 现在各大学都对现金流保守 Hire 看起来也暂时没解冻 更何况整体审核进度重大拖延 很多组年初就审完的课题预估要年中才能有结果

至少现在idea验证速度很快了，想出一个新点子，交给ai睡一觉起来后就能看到结果

对，这种感觉巨爽。以前还得和各种神奇的工程问题斗智斗勇，好奇心的磨没了。

一开始觉得还好 用了一阵子就知道不带脑子做研究 AI只能白烧token garbage in garbage out

猎户葱: 感觉 很准确的感觉呢

我们lab目前情况是这样，我打算申请postdoc的时候了解到的也这样

我的意见相反 不如全面拥抱 ai review 。 peer review 就是屎，经常问非所问

现在都有大学特贡 ai 了 Skwbs: 有一堆人管着你不能把数据喂给ai

哈这也太尴尬了哈哈。。感觉确实要注意啊，AI帮力归帮力，但系统资源这块儿还是得好好管。Rosmontis的只读view方案听起来不错，要不你试试？

我们公司根本不让在任何集群机器上面用claude code，怕的就是你这种情况。。。只能在一个类似docker的container里面用，数据集大的话一般存在cloud storage里面读。