🎯 人工智能 · 学术圈潜规则

🔥 当 OpenAI 工程师公开说"大部分论文都是欺诈"，暴露的其实是 AI 前沿研究从"读论文"转向"跑代码"的残酷现实

一、一句吐槽炸出圈子秘密

最近,一条 OpenAI 工程师的发言在 AI 圈炸了锅。这位工程师直言,现在大多数大型实验室的成员几乎不看论文,原因很简单——大部分论文都是欺诈。这话听起来刺耳,却戳中了很多人不愿公开承认的痛点:当论文的复现率低到让人绝望,研究人员自然就转而去读代码、跑实验、盯开源仓库,而不是啃那些可能根本跑不起来的论文。

有人觉得这是从业人员"飘了",但也有人拍手叫好,认为这是对当下学术泡沫最诚实的一次喊话。事实上,类似的质疑早已不是第一次出现,多家机构的调查都指向同一个结论——AI 领域论文的可复现性危机远比外界想象得严重。

二、为什么他们敢说"大部分是欺诈"

所谓"欺诈",并不都是学术造假那么极端。更多时候是指:论文里的核心指标是精心调参后的结果,换个随机种子就可能崩掉;报告里只写涨点的那一组,失败的几十组实验悄悄藏起来;甚至有人把未公开的私有数据、未说明的算力规模,堂而皇之地当成"公平对比"的基底。

对大型实验室的工程师来说,时间宝贵、算力昂贵,与其被一篇无法复现的论文带偏方向,不如直接去 GitHub 上 clone 仓库、读源码、看真实跑分。这也是为什么近年来越来越多研究者默认"代码比论文更可信",开源复现的权重被不断抬高。

三、这是进步还是倒退

不看论文、信任代码,背后是 AI 研究范式的一次深刻转向。好处是研究更落地、更务实,坏处是可能让那些真正的理论创新、思维火花被淹没在"能跑就行"的实用主义里。当大家都去追逐可复现的工程成果,基础研究的耐心会被压缩。

或许更健康的姿态是:既别迷信论文,也别全盘否定。用代码去验证论文,用论文去启发代码,才是这个喧嚣时代里研究者该有的清醒。

综合人工智能社区公开讨论、多家行业媒体报道 | 2026-08-13