【新智元导读】在CVPR 2025上，谢赛宁发出振聋发聩的批判：如今的AI学术界，已经彻底畸形了！有巨大缺陷的学术激励制度，让所有研究者陷入内卷，精疲力竭。而自己的DiT、SiT等开山论文，也让CVPR评审被狠狠打脸了！

　　有趣的是，谢赛宁特意回顾了自己的DiT、SiT两篇论文，分别被CVPR 2023和2024拒收的经历。

　　虽然当时被拒收，但紧接着，CVPR评审就被狠狠打脸：这两项工作，分别成为了Sora和Stable Diffusion 3的奠基性成果。

　　注意，一定要避开这个陷阱：从第一天起就抱着一个僵化的想法，然后发表一篇固步自封的论文。而这，往往是最为平庸的作品。

　　经过训练，有限玩家可以预测未来的每一种可能性，以控制未来为目标。但无限玩家则继续游戏，期待着惊喜。

　　在开放的科学中，进步不是来自对知识的守旧，而是来自对知识的分享。只有发现的游戏才能持续，才能不断演化。

　　有限游戏的参与者，可能会在目标无法实现时选择放弃：「论文没被接收/没拿到资助/产品没上线，所以我失败了。」

　　而对无限游戏的参与者来说，坚持是一种存在方式：「这是更长远游戏的一部分。我该如何学习、适应，继续前行？」

　　从此，统治扩散模型的U-Net直接被取代。这一论文，成为了奠定他学术地位的开山之作。Diffusion Transformer，也成为了Sora的基础架构之一。

　　然而，就是这样一篇神作，当初却因「缺乏创新性」的理由，直接被CVPR 2023拒了，还一连被多个大公司拒绝。

　　另外，他和Willis Ma等合著的SiT论文，也因「缺乏创新性」这个理由，被CVPR 2024拒了。

　　就在几个月后，CVPR评审又被打脸了：Stable Diffusion 3发布，直接表明「结合了DiT架构和流匹配技术」，也就是基于SiT。

　　总之，谢赛宁表示，自己还可以继续讲很多，自己的许多被最多应用的论文，开始并没有得到最有力的评价。

　　博士教育的真谛在于教会你如何学习，如何提出深刻的问题，如何挑战既有假设——这些能力将伴你终身，其价值远超学位本身。

　　你将成为一个能安然于模糊混沌，能与盘根错节的复杂性深度共事，并能在失败与迭代中安之若素的人。

　　即便毕业，你也并未「赢得」科研或教育这场游戏。你将永远身在局中，而你参与的目的，就是为了让这场游戏永远进行下去。

　　Hannah Arendt曾在1964年说：「我该为影响力而奔走吗？不，我渴望的是理解。而当他人也达成了与我同样的理解——那一刻，我便获得了一种满足感，一种深刻的归属感。」

　　而谢赛宁的模板由于效果十分拔群，在圈子里可谓是相当火爆——有不少研究者都复用在了自己的项目里。

　　原因在于，一旦论文率先发表，就能收获更多引用和关注，成为赢家。后来的贡献者，往往就被直接忽视，成为输家。

　　举例来说，谢赛宁和Penghao Wu早在2023年7月就启动了引导视觉搜索作为多模态LLM核心机制的「V*」项目。

　　在这项研究中，谢赛宁等人将VQA LLM与视觉搜索模型相结合。借助大模型的世界知识，V*会对视觉目标进行多轮引导搜索。接着，它会提取局部特征并将其添加到工作记忆中，最终利用搜索到的数据生成响应。

　　时间来到2025年，当OpenAI在发布最新版o3和o4-mini的时候，不仅在模型评测中加入了基于V*的视觉搜索基准，而且还将基于图像的思考能力作为重中之重，直接放在了标题上。

　　一句话总结就是：「有限游戏」或许能带来财富、地位、权力与认可；但「无限游戏」所提供的，是某种更深刻、也更有意义的回报。

　　原标题：《谢赛宁开炮，现场打脸CVPR评审！Sora开山之作DiT被拒，怒斥AI学术圈畸形》

　　本文为澎湃号作者或机构在澎湃新闻上传并发布，仅代表该作者或机构观点，不代表澎湃新闻的观点或立场，澎湃新闻仅提供信息发布平台。申请澎湃号请用电脑访问。