AI Agent时代做ML/NLP研究，研究者核心能力变了吗

过去几年，做 ML/NLP 研究这件事本身，变化快得有点夸张。

CMU 博士生 Emmy Liu 这篇《When We Did Research By Hand》，回看了自己的 PhD，把这几年大概分成了三个阶段
2021：读论文、写代码、Debug、跑实验，基本都靠自己。
ChatGPT 之后：AI 开始帮忙写代码，但还是复制粘贴、反复 Debug 的辅助工具。
到了现在的 Agent 时代，普通实验实现已经很少成为瓶颈。想法确定以后，很多代码和实验可以直接交给 Coding Agent。

于是一个很现实的问题出现了：
当「写代码、跑实验」越来越便宜，研究者真正值钱的能力还剩什么？

她甚至在想，以后的 PhD 会不会不再主要看你发了几篇论文，而是看你能不能带着一群 Agent，推进一个完整、连贯的研究方向。
论文产量也会继续爆炸，连 Review 都开始大量由 LLM 生成，今天这套会议和 Peer Review 系统可能都会被逼着改变。

不过我还是认同她最后留下的一点。
至少现在，什么问题值得研究、为什么值得做，还是得由人来决定。
Agent 可以把实验跑得越来越快，但「我们究竟想知道什么」，可能会变成更重要的问题。

原文：