从做研究到作研究者

大家好，很高兴今天能来给大家做一个分享。我分享的题目是“从做研究到作研究者”，然后三个关键词是行动、认知和心法。其实大家看到这个题目，就知道我今天来主要是讲两个问题。第一个是怎么做科研，第二个就是怎么做一个研究者。

开始做科研前的心态建设

给大家讲这两个问题，第一个就是怎么做科研。这个事情，我觉得在开始做科研之前，要做一些心态建设。

我发现很多同学在开始做科研之前，总是会有一些畏惧感，就是你觉得科研好像很难。然后你怀疑自己能力不行，觉得自己能力不够、做不好科研；或者觉得自己基础知识不扎实，很多知识都没学过，没掌握多少知识，所以做不好科研。另外，也可能不敢联系老师、进组做科研。

这种自我怀疑或者自我否定的心态，我在非常多的同学身上见过。但实际上，我觉得这种恐惧感来自哪里？

我觉得这种恐惧感，本质上是来自你对科研的一种模糊感，或者未知感。就是说，因为你没接触过科研，你不知道科研的完整流程是怎么样的，所以对它没有一个清晰的概念。人对未知总是有恐惧的，所以就会产生这样一种畏惧感。

但实际上，我想说的是什么？就是说，科研永远是边做边学的。我们都是先上手，你先去做了，然后在做的时候，接触到什么、需要什么知识，再去学，就是边做边学、边学边做。

所以这个时候，上手做很重要。行动，就是我前面标题上的第一个关键词。你的行动很重要，你要先去行动。

然后你需要什么知识，再去学。这跟大家平时上课、考试就完全不一样。大家上课、考试，实际上是一种自下而上的学习，但科研是一种自上而下的学习。

考试的时候，你是要怎么样呢？你是自下而上的，就是说，你得把这一门课所有可能涉及的知识全部学完，才能去考试，才能在考试中可能拿到一个比较好的分数。

但是科研，就是你先有一件事情要做，先有一个目的。进入去做了之后，随着你接触到的东西，再去产生分支。产生分支之后，再去学那一块知识，需要什么就再去学什么。这是一点，因为基础是永远学不完的，所以大家要克服这种恐惧感。

发一篇文章的完整流程

然后接下去就是说，我们怎么做科研，就是发一篇文章的完整流程。我这里给了一个比较完整的流程。首先，你肯定会有一个方向，大概确定一个感兴趣的方向，或者老师给你分配了一个方向。

然后，你对这个方向开始做调研。做调研，就是可能要读这个领域的很多文章。到第三步，你会确定一个 topic，确定一个具体的 research question。当然，这一步很重要，这个我后面也会讲。一个好的问题，基本上已经决定了这篇论文一半的价值。

然后，确定一个 research question 之后，你可以去提一个比较 naive 的 idea。这个 idea 可以非常朴素，就是一个非常简单的方法。你先提出来，允许它不完美。没有必要在一开始就提出一个非常完美的 idea，那也不太现实。

所以，一开始可以先提一个比较 naive 的 idea。然后，你要先建立一个能够获取反馈的最小闭环：你提一个 idea，再去跑实验，就到下一步，做实验验证。然后非常快速地去试错，判断一下你的 idea 是否 work。

当然，如果你水平比较高，或者运气比较好，有可能第一个提出来的 idea 就是 work 的，那你可以直接到第七步。如果不 work，就要进入第六步，开始进入一个 loop。

就是为什么不 work？你要去分析，分析这些 failure cases，这也是最核心的一步。怎么说呢，科研当中其实失败是常态，但是你的知识往往隐藏在这些 failure cases 里面。

其实领域的发展也是一样。整个领域发展到目前，遇到了什么样的困难，为什么会有这样的困难，大家会去分析这样一些困难。

然后才能推动整个领域往前进，这是从领域的发展角度来讲。对于一篇文章来讲，也是一样。

像我在做上一个工作的时候，是跟我的老师一起做。然后每次组会汇报，我总是倾向于去呈现结果，就是给一些实验跑出来的指标数据。他看到这些指标不好看，因为这个方法不是很有效、不是很 work，就总是会问我为什么，问我原因在哪。然后我总是可能回答不上来，就是因为我没有去做更深入的分析。

他总是会跟我说，我印象最深刻的一句话：“Look into more details.” 他让我去看更多的细节，要做一个更深入的分析。像我那个工作是做防御，做防御有一个比较核心的指标，就是去看攻击成功率。你的防御效果好，就说明攻击成功率会低。

所以，那个指标好看的话，就是攻击成功率要低。如果指标不好看，说明有一些攻击样本我们没有防住。我们做防御，有一些攻击样本没有防住，相当于我就停在这一步，把这个指标呈现出来，但没有更进一步问一句：它为什么没有防住呢？

所以确实需要分析这些具体的攻击样本：它们是什么样的，有哪些特征，有什么特点，跟已经防住的样本有什么区别？你去分析，输出更加具体、更加细节的信息，再去看，就能知道这个 idea 为什么不 work。

然后你就能够去改进它，改进完之后，再来做实验验证，就重复这一步。其实，80% 的时间都会消耗在这个 loop 里面。

但实际上，你在研究过程当中最高光的时刻，不在于这个 idea 最终 work 的那个瞬间，虽然那个瞬间确实很爽。更重要的是，你在分析这些 failure cases 的时候，你的观察、你的洞见，这些是做科研过程中获得的最有价值的知识。

这些东西只有你知道，世界上除了你之外，没有人知道，这些就是真正的知识。当然，像那些大厂，或者一些顶尖的实验室，很多 know-how、一些最核心的知识，都是积累在一线工程师、一线研究者、一线科学家的这些实验当中的。

然后，当你方法 work 了之后，就可以开始做大批量的实验，然后撰写论文、投稿。投稿完之后，可能还有 rebuttal，然后修改，最后顺利的话就 accept。这基本上就是一个完整的流程。

当然，也有一些大组、一些论文的流水线工厂。你进去之后，可能老师或者指导你的学长已经确定好了一个 topic，甚至基本的 idea 都已经给你了。所以，你进去之后只需要开始 coding，开始跑代码、做实验，然后往下做就行。

所以，有些情况可能直接从这一步开始。前面的部分，是让你自己去思考、去想 idea 的；后面这一部分，只需要执行就好。就是我标题上的第一个关键词，你的 execution，你的执行。

对，当然这只是一个常规的流程，这种类型的文章是最常见的。也有一些别的类型的文章，比如你发现了一个新的现象，或者发现了什么反直觉的结论，然后要做更多的 empirical study，或者一些理论推导，去 justify 这个现象或者结论是普遍存在的。你要去做更多的分析，一些理论分析或者实验分析，这是另外一种。

当然，我列出来、给大家举例的这种文章是最常见的。大家接触到的，可能大多数都是这种。

阅读、实验与写作

然后，这个流程里面，其实涉及三个 technical skills，就是 reading、coding 和 writing。Reading，就是你在调研的时候，需要读很多文章。

当然，值得一提的是，这三个 technical skills，现在刚好都可以借助 AI 来辅助。像 reading，你调研的时候，也可以用这些工具。现在很多工具，像 GPT、Gemini，都有 Deep Research 的功能，你直接让它帮你调研。但要注意一点：这些 AI 调研出来的东西并不完善，而且很可能遗漏一些非常重要的论文。

所以，我在最开始做调研的时候，都是自己去 search。其实，在做第一个工作、刚开始做科研的时候，我把那个领域里面，在 Google Scholar 上能搜到的、发在顶会上的近五年的文章，全部看完了。

看完之后，你就觉得对这个领域了解得差不多了。因为这一步其实很重要，调研就是要建立对这个领域的一个基本认知。

然后第二个是文献管理。文献管理现在有很多工具，比如比较常见的 Zotero，也有一些别的工具。

然后，你读文献还要做笔记，也有很多笔记软件。这里有我的一个经验：不需要追求工具上的极致优化。很多软件都有各种各样的插件，可以提升效率，但你不需要觉得这些插件全部都得试一下，其实很浪费时间。

我见过的一些大佬，比如某位老师，他非常朴素。他的笔记、研究内容，全部记在 Google Docs 里面。相当于什么？相当于你就有一个 Word 文档，在里面记笔记，把东西全部写进去、整理好。这个其实就非常朴素。

但是效率也很高，人家用惯了就行，这个我就提一嘴。

现在文章很多，不一定每篇都要读，所以可以分成两类：一类泛读，一类精读。泛读的话，你可以直接让 AI 帮你读。读完，大概了解这个文章讲了什么东西，做了一个什么事情，了解一下它的内容就可以。

但更重要的是什么？更重要的是，你一定要积累精读的数量。有很多重要的文章，是一定要自己读过的。而且，我建议不要在精读的过程中接触 AI——当然也可以接触。我的意思是，你读的时候，一定要自己把每一句话都读过。不是说让 AI 帮你看了之后，你就不再去读了。

然后第二个是 coding。刚刚讲了，代码也可以用 AI 辅助写，但关键是，你自己一定得看得懂它写的代码。不能说我就让 AI 写了，然后一跑发现能跑通，就完全相信它能跑，拿来用了。那里面可能逻辑上都有问题，跑出来的实验结果也是不可信的，对吧？至少你自己得对整个 project 有掌控。

然后，实验数据这一块，很重要的经验是及时记录、及时整理。因为之后开始跑大实验的时候，实验量是非常庞大的。尤其比如你做安全四大的工作，它的实验量就非常庞大。

我有时候忘了整理之后，就不知道前几天的实验数据对应哪一个实验，所以一定要及时记录、及时整理。

然后，在实验设计这一块，有一个底层逻辑：就是说，你做的所有实验，都是为了证明你的方法是真的 work。因为你发现方法是 work 的，需要向读者、向审稿人证明，这个方法确实可行、确实有效。

你可以做各种各样的实验，拓展到各种各样的情况，比如放很多模型、测很多 baseline，这些都是为了证明你的方法确实有效。

然后第三个是 writing。这一块其实也反映出来，为什么我会说，在 reading 的时候一定要积累精读的数量。因为你在 writing 的时候，其实非常吃阅读积累。

首先是文章结构。你可以参考一些优秀的文章，同个领域别的文章是怎么样组织结构的，参考它们，大概模仿着来搞就可以。

然后，具体到遣词造句，写得好的文章跟写得差的文章，读起来的感觉是很明显的。你要去学习那些写得好的文章。

其实，这种文章里面是没有一句废话的。首先，你要理解每个段落的作用，然后理解每一句话在这个段落中也有一定的作用。你要去思考这些问题，学习他们的经验，来完成自己的写作。

然后，对于写作，一般来讲，你能得到的一个比较好的评价，就是“well written”“well structured”。审稿人如果给你这个评价，说明这篇文章的 writing 就是没问题的。前面这些，基本上就是关于怎么做 research 的部分。

做研究者与 Research Taste

然后下面，我们进入第二个部分：怎么做一个研究者。首先，对研究者来说，什么问题是最重要的？我个人认为是 research taste。

它为什么重要呢？就是刚刚提到的执行力。你发一篇文章，其实只要有执行力就够了。你只要去做，踏踏实实地做，去实践，大量地实践、重复，就能把文章发出来。

但是 taste 决定了什么？就是说，执行力是上桌的门票，但是 taste 决定了你能否留在牌桌上。因为作为一个研究者，你需要持续产出一些比较优质的工作。

对，这个时候就非常看你的 taste。当然，我先解释什么是 taste。用中文来讲，可以说是研究品味，或者一种学术审美。

它是一种什么能力呢？是一种选择做什么问题的能力，选择研究什么问题。世界上有成千上万个可以研究的问题，你觉得哪些值得研究，就选择那些问题去研究。这是一种选择、一种判断、一种决策，就是你认为什么问题是有价值的。

如何定义一篇文章的价值

然后这里，我可能要插一些自己的观点，就是我们如何定义一篇文章的价值。这里讲的全是我的个人观点。

我觉得 research 的本质是什么？就是你向 community 传达一点想传达的信息。然后，paper 的价值，就是这个信息能带给 community 的认知增量。这个信息到底给 community 带来多少新的东西，大家觉得是之前没见过的东西，这就是它的认知增量。

对于 researcher 来说，我觉得最伟大的事情，就是发现新的 knowledge。

然后，把这些 knowledge 变成 common knowledge。像大家现在学的一些课程，教材里面的知识，在最开始被发现的时候，都是新的 knowledge，但现在已经全都是 common knowledge。

发现数学、物理教材里这些知识的人，都已经青史留名了。这些科学家非常伟大，我认为这是对 researcher 来说最伟大的事情。

然后，我再具体解释一下这个认知增量。大家可以设想一下 community 的反馈。最厉害、最顶的一类，就是你解决了一个数十年没有被解决的难题。大家的反应就是：“哇，这个问题竟然能被解决！”

比如说去年，数学界王虹解决了三维挂谷猜想。这个猜想是什么时候提出来的？1917 年，已经一百多年了。一百多年没有被解决的问题被解决了，所以非常有震撼力，直接震惊天下、举世闻名。然后，王虹现在也是菲尔兹奖的热门。

当然，数学界古老的问题比较多。我们做计算机相关的，可能是近几十年的问题。如果你能解决一个几十年没人解决的问题，其实哪怕 writing 非常差，写得很差，也没关系。

对，不妨碍你的文章有很强的 impact。这就是由你研究的问题决定的，这个问题非常重要。

然后第二类，就是你提出了一些新的范式，而且效果还不错。大家会觉得：“原来还能这样做！”这是一类能带给人启发的工作，我举的例子就是提出一个新范式。

第三类，是做一些令人感觉有趣的工作。比如，你发现了一些反直觉的结论，或者新的现象，再去验证它是普遍存在的，大家会觉得 interesting。这也说明，大家之前没有见到过这种东西，所以会觉得 interesting。

第四类是一些有用的东西。就是说，很多人都想做，但没有资源，或者没有精力去做的一些硬活。做出来之后，大家会觉得：“这就是我想要的。”其实很多 Benchmark 工作是这一类，你要做得好，大家就会觉得有用。

然后我觉得，有一点是需要警惕的，就是一些没有增量的研究。简单的排列组合，可能让性能提两个点，但大家只会觉得：“我知道了。”没什么认知增量，大家都知道可以这么做。大部分有水平的研究者，也不屑于做这种工作。

这是定义一篇文章的价值这个部分，我想传达的一点：你发 paper，要做有价值的工作。

当然，这是针对后面的发展。比如，大家想走学术道路，或者不一定走学术道路，但想做一个 researcher。对于 researcher 来说，研究有价值的问题是必要的。但如果只是为了发 paper 去考研、升学，那先发出来就先发出来。

然后，我锐评一下自己的 paper。我这三篇顶会文章里面，第一篇是 USENIX Security 那篇。我自认为提了一个有趣的 research question，并且得到了审稿人的认可。但以我现在的 taste 来看，我觉得纯粹是自娱自乐。

然后第二篇，NeurIPS 的 paper，我觉得确实填补了一点点领域里空缺的东西，效果上也还行，但就是勉强算有一点小小的价值。

第三篇，就是现在在投的 S&P 这一篇。我觉得这是目前为止做过的最有价值、自己最满意的一个工作。就是我发现了一个被别人忽视的、非常重要的东西，是一个跟 frontline 有关的层面，然后站出来告诉 community：我们应该在这个层面上做研究，而且这个层面是能够做出来的。

所以，我觉得这个东西更有价值一些。这就是我目前为止自己最满意，而且做得最 solid 的工作。

如何培养 Research Taste

然后回到刚刚 research taste 的问题。刚刚讲了为什么它重要、它是什么，第三个问题就是：如何培养你的 research taste？

我觉得，培养 research taste，本质上是培养一种直觉。这里我给了一句爱因斯坦的话：“想象力比知识更重要。”因为物理是一个非常需要直觉积累的学科，那些顶尖物理学家的直觉，是非常超乎常人的。

像爱因斯坦，他为什么不去做别的问题，为什么去研究相对论？就是他的 taste、他的直觉。

然后对我们来说，我觉得第一是靠自己修炼。这个需要下苦功夫，大量阅读一些写得好的文章、一些经典文章，然后思考：作者为什么要写这个问题，它的价值点在哪里？

因为绝大多数的 paper，基本上 99%，会随着时间流逝逐渐被大家遗忘。现在，十年前的 paper，大家还知道几篇？很多已经没人关注了，只有非常少数能留下来。那这些 paper 为什么能留下来？你得去思考这个问题：它为什么重要，它研究的问题为什么重要？

对当时的领域来说，它有什么意义？这就是靠自己修炼、阅读经典文章的时候，需要思考的问题。

第二个，我觉得是靠环境，这个是最有性价比的事情。因为你的 taste 肯定会受到日常生活和工作环境中，身边人的影响，受到你所接触到的人的 taste 的影响。你经常跟他们交流，无形中、潜移默化地就会受到影响。

所以，我觉得最有性价比的一件事情，就是把自己扔到一个身边人的 taste 都很高的环境当中。然后，你潜移默化地受到他们影响，自己的 taste 也会逐渐变高。

所以，环境很重要，这个我后面也会讲。

社区经营与影响力

然后，除了 taste 之外，还有什么东西？我觉得，对 researcher 来说，另一半就是社区经营与影响力。这个我分三点讲。

第一个，是建立个人的 reputation。这个 reputation，就是说大家是否知道你，是否能记住你。你要在 community 里面立一个人设，不仅是论文的作者，还要做那种名片式的工作。你的工作可以比你的人更出名，大家了解了这个工作之后，可能发现你，知道你是某个细分领域的专家。

然后，你最高的目标就是：当大家提到某个关键词时，能够想到你的名字。或者，对于一个领域，大家能提出几个名字，前几个里面就包含你的名字。

对，这就是你个人的 reputation。然后还有一点，是你的学术信誉。首先有一些底线，底线问题就是学术诚信，不能一稿多投，也不能造假。然后，你的代码是否好用、实验做得怎么样，这些都能够决定你的 reputation。

第二个，是宣传自己的工作，就是管理你的 Visibility。可以借助多个渠道，比如国外大家比较喜欢用 Twitter，现在叫 X，还有 LinkedIn。国内，比如小红书、微信公众号或者知乎专栏，都可以借助这些工具宣传自己的工作。

当然，还有国内国外都会用的，就是个人博客。再有就是你开源的东西，代码放在 GitHub 上，开源的模型放在 Hugging Face，或者 ModelScope 这些平台上，也是比较好的名片。

还有比较重要的一点，是去给一些 talks。比如参加学术会议、研讨会，在会议上做 presentation，或者受到邀请来给 talks。

然后第三点就是 Networking。你要建立一些 connection，去社交、多认识人，尤其是圈子里的人，一些大同行、小同行，多跟他们交流。Networking 也是提升自己影响力的一种方式。

然后还有一些题外话。比如，如果要走学术道路、找教职，除了这些，还要考虑 funding、考虑帽子。Funding 是全世界都要考虑的，但在国内还要考虑帽子。帽子这个东西，在国内，如果到一定年龄还没有，职业生涯基本上就已经到顶了。这是题外话，不在今天讨论的范围里面。

Funding 这个东西也有点意思。我之前跟一个 professor 吃饭的时候聊到，国内国外的 funding 其实有些差异。像国内，大部分老师首先有纵向、横向的项目。

然后，基本上纵向的项目，就是拿到一些国自然的基金，再去做工作，比较自由。但如果拿到企业的横向项目，基本上就得做企业给你的东西，这是国内的 funding。

但是企业给的钱多，所以为什么很多老师可能会做很多横向项目？因为给的钱多。

国外实际上就反过来，企业给的钱更自由。就是说，你想做什么就做什么，企业不会限制你做的方向，只要能做出点东西来就可以，不会说必须要求你做什么课题。这个事情也比较有意思，国内国外有一些差异。

但是，当然相同的是，都是企业给的钱会多一些。

平台的借势与蓄势

然后最后补充一点，就是刚刚提到的平台。平台也很重要，我觉得本质上有两个作用，我把它总结为：一是借势，二是蓄势。

借势，就是借平台的 reputation。平台包括不同的院校、机构、企业，甚至不同的实验室、不同的组。

什么时候需要借势呢？就是保研、出国或者就业，任何需要看出身背景、进行主观评估的事情，比如面试，都会看你的出身平台。你去更好的平台，就能借到更大的势。

你在不同的平台，能借到的势是不一样的，或者说，就是大家常说的 title 的重要性。

第二点是蓄势。蓄势是什么？就是依靠平台提供的资源，积蓄自己的实力。平台提供的资源是什么？主要有两种。一种是人的资源，近的，比如身边的同学、指导你的老师。

当然，指导你的那个人很重要。他的水平，可能直接关系到你发文章这个事情，所以指导者的水平很重要。

然后远的，包括基于这个平台能够接触、结识的人。平台越好，能接触到的层次越高。

第二个是物的资源。更好的平台，可以有更好的设备、仪器，或者更多的卡、更多的计算资源，支撑你完成实验。对，这就是平台这一块。

参考经验与复制路径

然后最后，跟大家说一点心里话。我知道大多数同学可能都是奔着保研来的，来听听学长学姐的经验。大家都一样，我们以前也是，参考学长学姐的保研、科研、竞赛经验，然后模仿他们的路径。

我觉得前期，在大一、大二的时候，参考他们的经验，其实无可厚非。但到后期，还是得跳出来。你要知道一点：当你以他们为榜样、模仿他们的路径时，同时也会被他们所限制。而且这些学长学姐本身的视野，就是有局限的。

我今天站在这里，也不希望大家完全模仿我。毕竟有句话说得好：“学我者生，似我者死。”我当年大一的时候，也听过一个经验分享。这几年来，我只听过那一次，就是大一的时候听的。

然后，当时分享的人有四位，只有一位有 paper，是一篇 SCI 三区。当时就觉得：“哇，好厉害！”虽然现在的看法已经不一样了，但当时确实觉得很厉害。毕竟那时候也不懂，觉得一篇 SCI 三区就已经很厉害了。

好在后来视野很快有所打开，因为进组开始做科研了。组里也有一些本科的学长，他们会根据以往的经验，判断我们那个 project 能发到什么水平。当时身边的学长说，最多发个 CCF-B，我从来没想过能够发出一篇安全四大的文章。

这就是一些视野上的局限，是你的认知、视野的局限。不过，这个倒是情有可原。毕竟以前确实没人发过四大，更别说本科生一作发四大的情况，放眼全国也几乎没有，所以也可以理解。

但这也说明，榜样还是有局限的。我想说的就是这一点。那我今天既然来了，大家也看到，这么多同学到线下来听分享，就不能让大家太亏，对吧？

本科生做科研的例子

所以，我也给大家介绍几个本科生做科研的榜样。大家可以看看，本科生做科研做到比较顶尖，能做到什么程度。当然，前面两个问题已经全部讲完了，后面是一些额外的心里话。

第一位同学，从经历上来说，是我见过的本科生里面最强的一个。他本科期间在不同的学校和研究环境中学习，也有海外访问研究的经历。这些学界经历，已经非常顶尖了。

然后，他还有很多业界经历，在国内、国外的企业都做过研究，业界经历也很顶。他接触到的导师也很厉害，在不同研究环境中，都有很强的老师指导他。然后，他的工作已经积累了很高的引用量。

第二位，也是本科期间就有海外科研经历的一位同学。

然后，第二位比较有亮点的是什么？他有一篇一作文章，单篇就有很高的引用量。当然，不是什么 survey，或者 Benchmark 之类的文章，而是一篇原创研究。然后，他整体的引用量也很高。这两位，就是说，你从科研上能看到，他们引用量很高，文章也很多。

然后还有两位，是本科毕业之后直接进入工业界做研究的例子。有一位，我是在学术会议上了解到的。他作为一作的工作，已经取得了很出色的成果。

然后，这位同学在本科的时候，就在头部大厂的基模组实习。快毕业时，因为团队对他的能力很认可，就说：“你来吧。”然后他就去了。到现在，本科毕业还没多久，已经做出了多项高水平研究成果。

另一位同学，我非常欣赏他。他也是本科毕业后直接进入世界顶尖的研究机构工作。前面在会议上了解到的那一位，我其实不认识，只是知道他；其他几位，我是认识的。

然后，最后这位同学就跟我说，他觉得现在 AI 发展很快，你不知道一年之后、两年之后，这个世界会变成什么样子，AI 会发展成什么样子。所以，他提前修完了本科的学分、完成学业，本科一毕业就进入OpenAI研究岗了。

这个其实也闻所未闻。因为像世界上这些顶尖企业的 research 岗位，基本上招聘都是博士起步。你没有博士学位，人家都不认可你有 research 的能力。

所以，本科毕业就能进这种顶尖大厂的 research 岗位，其实非常少见，而且他们也已经做出了很出色的研究工作。我放这两个例子，也是想跟大家说：其实世界上的路真的有很多条。

你看，他们本科毕业就进工业界，拿到了顶级业界研究岗的 offer。对他们来说，如果不考虑找教职，去读博士其实就纯粹浪费时间。因为找教职，还是需要博士学位；但如果本来就不考虑找教职，读博出来，就是为了在业界拿到更好的 offer。

然后，现在这个时代，在业界，比如国内，薪资最高的肯定是一些大厂的研究岗 offer，比如 AI research。国内各个大厂都有一些头部计划，比如腾讯的青云计划、阿里的阿里星、华为的天才少年计划。这些会看你博士期间的成果。

但是对他们来说，既然本科毕业就能进这些顶尖大厂的 research 岗位，就没必要读博了，读博就纯粹浪费时间。而且，在这样的顶尖研究机构待上一年，相对于在世界上任何一所顶尖学校待上一年，能学到的东西更多，进步肯定也更飞速、更快。对，好了，扯远了。

走出自己的路与勇气

说到这个，就是说，世界上的选择其实还是很多，这个世界上的路真的有很多。但很多时候，因为视野的局限，我们只能看到非常有限的几条，就是保研啊、考研啊、出国啊、找工作啊、考公啊。你考虑毕业去向，考虑本科毕业之后要干什么的时候，最常见的无非就这么几条路。但这其实也是一种局限，一种视野上的局限。

我觉得，在刚开始的时候，就是刚刚说的，大一、大二，你去模仿学长学姐的路径，其实无可厚非。

但是等到最后，我觉得还是得走出属于自己的路。你得去思考、去发现，想清楚自己真正想要的是什么，然后基于这个，决定要走什么路。因为没有哪两个人，会有完全相同的经历，你是可以走出自己的路的。

像刚刚提到的两位，本科毕业就直接进了通常来讲博士才能进的顶级大厂研究岗。大家可能觉得这两个例子太远了，更近一些的也有。我认识的一位同学，放弃了原本的升学机会，选择去创业，这种例子也有。

再拿我自己举个例子吧。我大一、大二的时候，跟我们学院往届专业第一的同学，目标可能也没什么区别，就是想着要保研去清华。

但到大三之后，尤其是在大三上结束的那个寒假，就去年这个时候，我逐渐改变了想法，开始觉得清华并不一定是我的最佳选择。其实，甚至我在清华的师兄也跟我说，觉得那边并不是我的最优解。当时让我犹豫了很久，但最后还是选了另一条路。

但我更想说的是什么？就是说，做出这些主流之外的选择，需要承担非常大的风险，做出这些选择并不容易。

所以，我今天想分享的最后一条经验，就是勇气。我知道，有些同学的想法可能是：我安安稳稳地、按部就班地保个研，然后找个工作，自己能干什么就干什么。这也可以，无可厚非。

当然，我觉得应该也还有一些同学，想做不同的尝试，想走出自己的路。那勇气，就是我送给你们的最后一条经验。

当你感觉面临困境、无路可走的时候，勇气会指引你追随自己的信念，走出真正属于自己的路。谢谢大家。