近期，香港科技大学（广州）大二本科生吴乐毅和刘博文参与的科研论文，分别在IEEE计算机视觉与模式识别会议（The IEEE/CVF Conference on Computer Vision and Pattern Recognition， 简称CVPR）和国际表征学习大会（International Conference on Learning Representations，简称ICLR）发表。

从高考考场到业界顶会，吴乐毅和刘博文在短短一年多的时间里，便迅速定位到各自感兴趣的科研方向、找到合适的导师、加入研究团队，最终推开了属于自己的科研之门，他们是怎么做到的？笃学路1号编辑部对两位同学进行了访谈，一起走近他们的“科研进阶之路”。

吴乐毅同学

刘博文同学

“如果说顶会发文是结果，我们更珍视的是参与的过程：它让我们坚定了自己对科研的热爱。”

——吴乐毅、刘博文

问：请用一句话解释你们的研究工作。

吴乐毅：我主要研究生成模型，主要是3D生成和纹理生成。我们让AI学会给3D模型“穿不同的衣服”——比如对一个球体，生成一个地球的纹理贴图，让它瞬间变成“地球仪”，生成一个足球的纹理贴图，它又能变成“足球”。

刘博文：我的研究集中在大模型领域，特别是强化学习如何指导大模型达到更好的输出效果。我们通过这种方式期望AI像人类一样“思考”：通过强化学习提升大模型的数学、规划、策划能力，优化训练算法提升基础模型的性能。

问：从“小白”到顶会文章作者，你们是如何开启科研旅程的？

吴乐毅：从“0”到“1”的过程很艰难。刚进组时，我处在什么都不会的状态。大一暑假期间，我参加了一个科研项目，花了两个月“死磕”代码和论文，每天泡在实验室学习，打磨基础。直到有一天，我发现自己论文开始能读懂了，代码也能看懂了。

这里要特别感谢我的导师陈颖聪老师和师兄师姐们。在入门阶段，老师会给予明确的任务指导，后期则会给我更多自主探索的空间；同组的师兄师姐会和我一起讨论问题、交流想法，逐渐让我对科研有了更深的理解和兴趣，也促使我开始独立思考并明确自己的研究方向。虽然整个过程中，有过焦虑和压力，但最终作为团队成员，看到自己模型跑出来的结果，那种成就感会让自己觉得一切努力都是值得的。也正是由于这段经历，我才真正理解如何将课堂知识转化为科研能力。

刘博文：我是去年秋季开始加入研究组的，通过每周参加导师和师兄师姐的组会，我与他们一起探讨新观点和研究方向，并在寒假期间静下心来“沉淀”自我，从最前沿的论文中汲取灵感。这段时间，我探索了多个研究领域，阅读了大量不同方向的论文，过程中也遇到了不少挫折和失望。但在师兄师姐的鼓励和支持下，我们共同解决问题、优化思路，并不断挖掘新的科研灵感。我逐渐对大模型推理、大模型对齐和强化学习等领域产生了浓厚兴趣。

特别要感谢我的导师李佳老师，他在研究过程中为我们提供了方向上的指引和深刻的洞见，帮助我们清晰地认识到当前研究存在的问题。他的学术品位和严谨态度让我们少走了许多弯路。他常常以“审稿人视角”指出研究的不足之处，带领我们紧跟前沿技术，追寻学术创新。

问：港科大（广州）创新的培养模式对你们有何帮助？

吴乐毅：我感觉港科大（广州）一直希望不论老师还是同学，都可以做“有影响力的科研”这一点评价体系，对我找到科研的乐趣和真谛很有帮助。我们科研组的氛围很好，陈颖聪老师鼓励我们不要为了快速发论文或让论文拿高分去做科研，而是要做真正有可能对社会产生积极影响的科研。他从不催促进度，但每次讨论都能一针见血指出问题。我和师兄师姐们平时在一起学习，下午一起健身，他们教会我的不仅仅是科研，还有更多学习以外的事情，我十分感激。除此之外，我还想感谢学校灵活的课程管理，这让我能自主安排学习节奏，平衡学习和科研之间的关系。

刘博文：我非常认同乐毅的观点，我们的确应当专注于真正有价值的研究。除了这一点，我认为我们组内部不同研究方向的互补与融合，对我的成长起到了至关重要的作用。我们的师兄师姐们分别专注于图学习（Graph Learning）、机器学习系统（ML System）以及自然语言处理（NLP）等领域，而我们当前主要聚焦于大语言模型（LLM）的研究。这种不同领域的知识交融激发了诸多创新思路。例如，在学术分享中，师兄分享的图学习经验帮助我们优化了LLM中的知识表示，而师姐在NLP方面的洞见则为我们的大模型生成能力提供了新的视角。每次同门师兄师姐的经验分享都让我豁然开朗，让我深刻认识到这些相近领域的技术如何在我们当前研究中找到契合点。我非常感激这种紧密协作的氛围，它不仅让我在科研的道路上不再孤单，也让我对未来的研究方向充满了信心和期待。

问：从大一开始就能够接触科研是什么感受？

吴乐毅：科研不是“内卷”，而是自我探索。对于有意向搞科研的同学，早早接触“真实科研”，能帮助他们更加明确未来科研的方向，避免因“不适”而感到“迷茫”。即使最终发现自己不适合科研，本科阶段的试错成本也远低于研究生阶段。

刘博文：学校实验室的丰富科研资源让我们“敢想敢做”。比如，数据中心强大的算力支持，让我们本科生就能够在科研中使用非常高量级的算力，这让我们能大胆尝试前沿实验。

问：请谈谈各自的未来规划，以及对学弟妹的建议。

吴乐毅：我应该会继续深耕生成式人工智能，继续解决领域内更多问题。建议学弟妹“先行动再完美”——科研没有标准答案，但实验室的门永远向主动敲门的人敞开。

刘博文：短期内，我希望能够在大模型领域持续努力，如果有机会，我想去工业界的研究组实习，积累更多实践经验。长远来看，我计划继续深造读博，深入开展学术研究。我想对学弟学妹说，科研的兴趣和抗压能力往往比天赋更加重要。保持好奇心，学会在挫折中成长，你就会发现科研的乐趣和价值。

资料图

在港科大（广州），科研从不是少数人的“特权”，而是每个追梦者的起点。大学始终鼓励和支持本科生尽早接触科研，参与到前沿项目的实践中，并为他们提供与国际接轨的实验设备、参赛机遇和科研平台。2024年6月，港科大（广州）首次推出本科生科研“五个一”计划，由一位教授全程指导一名本科学生，组队开展一项科研课题，进入一个实验室接触先进科研仪器设备，项目完成后通过各种形式产出一项科研实践成果。全校当时70%本科生踊跃参与，共产出88项研究成果。

为提前培养具有前瞻性思维和实践能力的科技创新人才，学校今年再次以前瞻性视野，全新推出香港科技大学（广州）“探索者”本科生科研计划，秉持“以学生为中心”的创新人才培养举措，鼓励学生主动出击，联系教授，通过自主选题开展实践研究，为本科生提供更加广阔的科研探索空间，生成创造性思维。

“大一就能参与科研并取得一点小小的成绩，是我们的幸运，但相比于发论文，我们更希望解决真实世界的问题。”两位学子在访谈最后吐露心声，恰恰与港科大（广州）的核心使命——培养面向未来的科技创新领军人才相呼应。

刘博文和吴乐毅的故事只是学校众多本科生科研成果的缩影，更多港科大（广州）的本科同学正在科研领域崭露头角，创新的种子已然播撒，时光正见证成果发芽。

了解更多

IEEE计算机视觉与模式识别会议（CVPR）是IEEE一年一度的学术性会议，会议的主要内容是计算机视觉与模式识别技术。CVPR是世界顶级的计算机视觉会议（三大顶会之一，另外两个是ICCV和ECCV），本届CVPR会议收到了13008篇有效投稿，其中2878篇被录用，最终录用率为22.1%。

国际学习表征会议（ICLR）是公认的深度学习领域国际顶级会议之一，关注有关深度学习各个方面的前沿研究，在人工智能、统计和数据科学领域以及机器视觉、语音识别、文本理解等重要应用领域中发布了众多极其有影响力的论文。ICLR采取完全公开评审规则，这使得其论文评审的透明性和广泛性在深度学习顶级会议中独树一帜，同时也大大增加论文被接收的难度。

图文：笃学路1号编辑部