如何激怒一位人工智能（机器学习、深度学习、强化学习等）爱好者？

两个平行的问题：

发表于 2025-4-7 14:38:43

“你是做人工智能的？”
“是的”
“那你做的这个什么模型，有什么创新吗？”
“我的创新有很多，准确率变高了，速度也快了。”
“噢，所以具体有多少提升呢？”
“能够有几个百分点的提升吧”
“噢，那不就没有提升吗？”

“你每天在电脑面前做啥呢？”
“我在做人工智能的模型呢！”
“噢，那我看你敲代码也没有很快嘛，就偶尔改改这里改改那里，然后等个一段时间，就又重复这个过程？”
“那是因为我要等结果出来看看结果好不好。”
“噢，难怪你做不出来，你做之前怎么都都不知道结果好不好，你什么都不知道你怎么能做得出来呢？我看你就是在摸鱼……”

“你是学人工智能的？那你会不会造那种像钢铁侠里面类似贾维斯一样的系统？就不需要完全一模一样的，差一些也能接受”
“不好意思，我不是研究这个方向的，我不太清楚。”
“噢，人工智能还分很多方向吗？”
“是的，不同方向之间的研究都是不太一样的。”
“是吗？可是造一个贾维斯那种的不应该是你们专业的基础内容吗，不就调一调就好了，不是吗？”

发表于 2025-4-7 14:50:24

强化学习领域的深水炸弹

1.你的算法无法解决经典的组合优化问题、网络问题和图论问题。
2.你的算法在处理细节上不够鲁棒，必须要根据问题做大规模的调整。
3.你的算法的思想没有什么创新，只是在改进传统算法的步骤。
4.你的算法是多种传统算法的简单混合。
5.你的算法缺乏理论分析和收敛性证明。（当算法的实验效果很好的时候）
6.你的算法理论性证明对于性能的提高并没有多少指导意义。（当理论证明给出之后）
7.你的算法无法在大规模不同的环境中得到好的结果。
8.你的算法在一个完全没有说服力的环境中进行测试。
9.你的算法换一个random seed就无法到达及格的性能。
10.你的算法换一个random seed就产生大量的方差。（当你的算法性能达到及格线之后）
11.你的算法实验结果的统计数据完全比不上传统方法。
12.你的算法在限定的软硬件平台上根本跑不动。（当你的算法在大规模集群上实验时）
13.你的算法无法在大规模的任务尺度上保持效果。（当你的算法在普通机器上进行实验时）
14.你的算法完全就是换名字起名字。
15.你的精神值得鼓励。

发表于 2025-4-7 15:02:44

大清早打开各大AI公众号
A公司，B学校联合提出xxx模型！彻底解决xxx方法带来的xxx问题！
“什么嘛，不就是B学校的跑A公司实了个习然后刷了一下baseline，有什么了不起的！”
CVPR20xx论文评分第一！xx团队提出最新xxx方法！xxx亲自发微博宣传！xxx，xxx为之站台！
“不服气，我也能做出这样的工作，马太效应太严重了！”
x大附中高中生提出最新xxx方法！专访别人家的孩子如何成为优秀的科研人员！
“原来比我年轻的人也做出来了啊（黑化）我还是去找工作吧……”
15天学会Python，30天学会机器学习！xxx学院精品机器学习课程，带你走向高薪算法岗！年薪百万不是梦！
卒。

发表于 2025-4-7 15:14:30

激怒爱好者
requirements: our codes can only run on GPUs

激怒研究者
requirements: our codes need to run on 256 TPUs

激怒工程师
requirements: theano, matlab, lua-torch

激怒审稿人
our codes will be released upon the paper accepted

激怒作者
I am not familiar with the topic in the paper, and I am absolutely sure this paper is not qualified for this conference
激怒作者2
I cannot open this pdf

发表于 2025-4-7 15:25:33

Reviewer 2：Strong Reject
Comment：
What is resnet？
What is imagenet？
What is bert？
What is relu？
What is cnn？
What is rnn?
What is lstm？
What is cv?
What is nlp?
What is machine learning？
What is ai？
What is what?
I cannot open this pdf.
What is pdf?
How do you compute this KL?
What&#39;s your problem?
(Update: 汇聚了来自评论区的智慧)

如何激怒一位人工智能（机器学习、深度学习、强化学习等）爱好者？

本周热门