不到兩年，港科大（廣州）大二本科生從高考考場(chǎng)走到科研頂會(huì)！
近期，香港科技大學(xué)（廣州）大二本科生吳樂毅和劉博文參與的科研論文，分別在IEEE計(jì)算機(jī)視覺與模式識(shí)別會(huì)議（The IEEE/CVF Conference on Computer Vision and Pattern Recognition， 簡(jiǎn)稱CVPR）和國(guó)際表征學(xué)習(xí)大會(huì)（International Conference on Learning Representations，簡(jiǎn)稱ICLR）發(fā)表。
從高考考場(chǎng)到業(yè)界頂會(huì)，吳樂毅和劉博文在短短一年多的時(shí)間里，便迅速定位到各自感興趣的科研方向、找到合適的導(dǎo)師、加入研究團(tuán)隊(duì)，最終推開了屬于自己的科研之門，他們是怎么做到的？篤學(xué)路1號(hào)編輯部對(duì)兩位同學(xué)進(jìn)行了訪談，一起走近他們的“科研進(jìn)階之路”。
“如果說(shuō)頂會(huì)發(fā)文是結(jié)果，我們更珍視的是參與的過程：它讓我們堅(jiān)定了自己對(duì)科研的熱愛。”
——吳樂毅、劉博文
問：請(qǐng)用一句話解釋你們的研究工作。
吳樂毅：我主要研究生成模型，主要是3D生成和紋理生成。我們讓AI學(xué)會(huì)給3D模型“穿不同的衣服”——比如對(duì)一個(gè)球體，生成一個(gè)地球的紋理貼圖，讓它瞬間變成“地球儀”，生成一個(gè)足球的紋理貼圖，它又能變成“足球”。
劉博文：我的研究集中在大模型領(lǐng)域，特別是強(qiáng)化學(xué)習(xí)如何指導(dǎo)大模型達(dá)到更好的輸出效果。我們通過這種方式期望AI像人類一樣“思考”：通過強(qiáng)化學(xué)習(xí)提升大模型的數(shù)學(xué)、規(guī)劃、策劃能力，優(yōu)化訓(xùn)練算法提升基礎(chǔ)模型的性能。
問：從“小白”到頂會(huì)文章作者，你們是如何開啟科研旅程的？
吳樂毅：從“0”到“1”的過程很艱難。剛進(jìn)組時(shí)，我處在什么都不會(huì)的狀態(tài)。大一暑假期間，我參加了一個(gè)科研項(xiàng)目，花了兩個(gè)月“死磕”代碼和論文，每天泡在實(shí)驗(yàn)室學(xué)習(xí)，打磨基礎(chǔ)。直到有一天，我發(fā)現(xiàn)自己論文開始能讀懂了，代碼也能看懂了。
這里要特別感謝我的導(dǎo)師陳穎聰老師和師兄師姐們。在入門階段，老師會(huì)給予明確的任務(wù)指導(dǎo)，后期則會(huì)給我更多自主探索的空間；同組的師兄師姐會(huì)和我一起討論問題、交流想法，逐漸讓我對(duì)科研有了更深的理解和興趣，也促使我開始獨(dú)立思考并明確自己的研究方向。雖然整個(gè)過程中，有過焦慮和壓力，但最終作為團(tuán)隊(duì)成員，看到自己模型跑出來(lái)的結(jié)果，那種成就感會(huì)讓自己覺得一切努力都是值得的。也正是由于這段經(jīng)歷，我才真正理解如何將課堂知識(shí)轉(zhuǎn)化為科研能力。
劉博文：我是去年秋季開始加入研究組的，通過每周參加導(dǎo)師和師兄師姐的組會(huì)，我與他們一起探討新觀點(diǎn)和研究方向，并在寒假期間靜下心來(lái)“沉淀”自我，從最前沿的論文中汲取靈感。這段時(shí)間，我探索了多個(gè)研究領(lǐng)域，閱讀了大量不同方向的論文，過程中也遇到了不少挫折和失望。但在師兄師姐的鼓勵(lì)和支持下，我們共同解決問題、優(yōu)化思路，并不斷挖掘新的科研靈感。我逐漸對(duì)大模型推理、大模型對(duì)齊和強(qiáng)化學(xué)習(xí)等領(lǐng)域產(chǎn)生了濃厚興趣。
特別要感謝我的導(dǎo)師李佳老師，他在研究過程中為我們提供了方向上的指引和深刻的洞見，幫助我們清晰地認(rèn)識(shí)到當(dāng)前研究存在的問題。他的學(xué)術(shù)品位和嚴(yán)謹(jǐn)態(tài)度讓我們少走了許多彎路。他常常以“審稿人視角”指出研究的不足之處，帶領(lǐng)我們緊跟前沿技術(shù)，追尋學(xué)術(shù)創(chuàng)新。
問：港科大（廣州）創(chuàng)新的培養(yǎng)模式對(duì)你們有何幫助？
吳樂毅：我感覺港科大（廣州）一直希望不論老師還是同學(xué)，都可以做“有影響力的科研”這一點(diǎn)評(píng)價(jià)體系，對(duì)我找到科研的樂趣和真諦很有幫助。我們科研組的氛圍很好，陳穎聰老師鼓勵(lì)我們不要為了快速發(fā)論文或讓論文拿高分去做科研，而是要做真正有可能對(duì)社會(huì)產(chǎn)生積極影響的科研。他從不催促進(jìn)度，但每次討論都能一針見血指出問題。我和師兄師姐們平時(shí)在一起學(xué)習(xí)，下午一起健身，他們教會(huì)我的不僅僅是科研，還有更多學(xué)習(xí)以外的事情，我十分感激。除此之外，我還想感謝學(xué)校靈活的課程管理，這讓我能自主安排學(xué)習(xí)節(jié)奏，平衡學(xué)習(xí)和科研之間的關(guān)系。
劉博文：我非常認(rèn)同樂毅的觀點(diǎn)，我們的確應(yīng)當(dāng)專注于真正有價(jià)值的研究。除了這一點(diǎn)，我認(rèn)為我們組內(nèi)部不同研究方向的互補(bǔ)與融合，對(duì)我的成長(zhǎng)起到了至關(guān)重要的作用。我們的師兄師姐們分別專注于圖學(xué)習(xí)（Graph Learning）、機(jī)器學(xué)習(xí)系統(tǒng)（ML System）以及自然語(yǔ)言處理（NLP）等領(lǐng)域，而我們當(dāng)前主要聚焦于大語(yǔ)言模型（LLM）的研究。這種不同領(lǐng)域的知識(shí)交融激發(fā)了諸多創(chuàng)新思路。例如，在學(xué)術(shù)分享中，師兄分享的圖學(xué)習(xí)經(jīng)驗(yàn)幫助我們優(yōu)化了LLM中的知識(shí)表示，而師姐在NLP方面的洞見則為我們的大模型生成能力提供了新的視角。每次同門師兄師姐的經(jīng)驗(yàn)分享都讓我豁然開朗，讓我深刻認(rèn)識(shí)到這些相近領(lǐng)域的技術(shù)如何在我們當(dāng)前研究中找到契合點(diǎn)。我非常感激這種緊密協(xié)作的氛圍，它不僅讓我在科研的道路上不再孤單，也讓我對(duì)未來(lái)的研究方向充滿了信心和期待。
問：從大一開始就能夠接觸科研是什么感受？
吳樂毅：科研不是“內(nèi)卷”，而是自我探索。對(duì)于有意向搞科研的同學(xué)，早早接觸“真實(shí)科研”，能幫助他們更加明確未來(lái)科研的方向，避免因“不適”而感到“迷?！?。即使最終發(fā)現(xiàn)自己不適合科研，本科階段的試錯(cuò)成本也遠(yuǎn)低于研究生階段。
劉博文：學(xué)校實(shí)驗(yàn)室的豐富科研資源讓我們“敢想敢做”。比如，數(shù)據(jù)中心強(qiáng)大的算力支持，讓我們本科生就能夠在科研中使用非常高量級(jí)的算力，這讓我們能大膽嘗試前沿實(shí)驗(yàn)。
問：請(qǐng)談?wù)劯髯缘奈磥?lái)規(guī)劃，以及對(duì)學(xué)弟妹的建議。
吳樂毅：我應(yīng)該會(huì)繼續(xù)深耕生成式人工智能，繼續(xù)解決領(lǐng)域內(nèi)更多問題。建議學(xué)弟妹“先行動(dòng)再完美”——科研沒有標(biāo)準(zhǔn)答案，但實(shí)驗(yàn)室的門永遠(yuǎn)向主動(dòng)敲門的人敞開。
劉博文：短期內(nèi)，我希望能夠在大模型領(lǐng)域持續(xù)努力，如果有機(jī)會(huì)，我想去工業(yè)界的研究組實(shí)習(xí)，積累更多實(shí)踐經(jīng)驗(yàn)。長(zhǎng)遠(yuǎn)來(lái)看，我計(jì)劃繼續(xù)深造讀博，深入開展學(xué)術(shù)研究。我想對(duì)學(xué)弟學(xué)妹說(shuō)，科研的興趣和抗壓能力往往比天賦更加重要。保持好奇心，學(xué)會(huì)在挫折中成長(zhǎng)，你就會(huì)發(fā)現(xiàn)科研的樂趣和價(jià)值。
在港科大（廣州），科研從不是少數(shù)人的“特權(quán)”，而是每個(gè)追夢(mèng)者的起點(diǎn)。大學(xué)始終鼓勵(lì)和支持本科生盡早接觸科研，參與到前沿項(xiàng)目的實(shí)踐中，并為他們提供與國(guó)際接軌的實(shí)驗(yàn)設(shè)備、參賽機(jī)遇和科研平臺(tái)。2024年6月，港科大（廣州）首次推出本科生科研“五個(gè)一”計(jì)劃，由一位教授全程指導(dǎo)一名本科學(xué)生，組隊(duì)開展一項(xiàng)科研課題，進(jìn)入一個(gè)實(shí)驗(yàn)室接觸先進(jìn)科研儀器設(shè)備，項(xiàng)目完成后通過各種形式產(chǎn)出一項(xiàng)科研實(shí)踐成果。全校當(dāng)時(shí)70%本科生踴躍參與，共產(chǎn)出88項(xiàng)研究成果。
為提前培養(yǎng)具有前瞻性思維和實(shí)踐能力的科技創(chuàng)新人才，學(xué)校今年再次以前瞻性視野，全新推出香港科技大學(xué)（廣州）“探索者”本科生科研計(jì)劃，秉持“以學(xué)生為中心”的創(chuàng)新人才培養(yǎng)舉措，鼓勵(lì)學(xué)生主動(dòng)出擊，聯(lián)系教授，通過自主選題開展實(shí)踐研究，為本科生提供更加廣闊的科研探索空間，生成創(chuàng)造性思維。
“大一就能參與科研并取得一點(diǎn)小小的成績(jī)，是我們的幸運(yùn)，但相比于發(fā)論文，我們更希望解決真實(shí)世界的問題?！眱晌粚W(xué)子在訪談最后吐露心聲，恰恰與港科大（廣州）的核心使命——培養(yǎng)面向未來(lái)的科技創(chuàng)新領(lǐng)軍人才相呼應(yīng)。
劉博文和吳樂毅的故事只是學(xué)校眾多本科生科研成果的縮影，更多港科大（廣州）的本科同學(xué)正在科研領(lǐng)域嶄露頭角，創(chuàng)新的種子已然播撒，時(shí)光正見證成果發(fā)芽。
了解更多
IEEE計(jì)算機(jī)視覺與模式識(shí)別會(huì)議（CVPR）是IEEE一年一度的學(xué)術(shù)性會(huì)議，會(huì)議的主要內(nèi)容是計(jì)算機(jī)視覺與模式識(shí)別技術(shù)。CVPR是世界頂級(jí)的計(jì)算機(jī)視覺會(huì)議（三大頂會(huì)之一，另外兩個(gè)是ICCV和ECCV），本屆CVPR會(huì)議收到了13008篇有效投稿，其中2878篇被錄用，最終錄用率為22.1%。
國(guó)際學(xué)習(xí)表征會(huì)議（ICLR）是公認(rèn)的深度學(xué)習(xí)領(lǐng)域國(guó)際頂級(jí)會(huì)議之一，關(guān)注有關(guān)深度學(xué)習(xí)各個(gè)方面的前沿研究，在人工智能、統(tǒng)計(jì)和數(shù)據(jù)科學(xué)領(lǐng)域以及機(jī)器視覺、語(yǔ)音識(shí)別、文本理解等重要應(yīng)用領(lǐng)域中發(fā)布了眾多極其有影響力的論文。ICLR采取完全公開評(píng)審規(guī)則，這使得其論文評(píng)審的透明性和廣泛性在深度學(xué)習(xí)頂級(jí)會(huì)議中獨(dú)樹一幟，同時(shí)也大大增加論文被接收的難度。
