008. 蒋炎岩：绿导师眼中的 AI 极乐末世¶

一句话结论：蒋炎岩把 AI 对科研、教学和评价体系的冲击推到极端，用「末日即解脱」的姿态论证：当执行、验证甚至部分提出问题的成本被压到接近零，旧评价体系下的 reward hacking 会失去意义；个人能做的是以退为进，放弃旧指标，去做更接近 first principles 的事。

速览¶

核心观点¶

1. 「翻译已死」可以推广到大部分智力工作¶

• 主张：编程、科研、创新在结构上都像翻译——把原始意图或想法转成可执行、可验证的产物。LLM 接管「想法 → 执行 → 验证」这一段后，很多岗位和培养流程会变成徒劳。
• 依据：[00:04:45]-[00:05:48] 讲者把科研描述为从原始动机出发的 chain-of-thought 推理、调用工具做实验、再得出结论；并称「人类就是一个复读机」。
• 成立条件 / 反例：这个判断主要覆盖「执行与验证」；目标设定、品味、责任承担仍未解决。讲者自己也承认不知道 AI 是否会自己产生意识或目标。

2. AGI 路线：压缩就是智能，scaling 就是 AGI¶

• 主张：生命、语言、数学都是「小单元 + 组合复用」；LLM 让组合复用的枚举变柔性，agent 让验证闭环自动化，于是「无限算力换无限智力」。
• 依据：[00:08:12]-[00:11:00] 的字典枚举/研究生做 research 类比；[00:56:13]-[01:01:23] 从 DNA、神经元、语言、数学到 AutoML 的完整推演；原话「压缩就是智能，scaling 就是 AGI」。
• 成立条件 / 反例：关键假设是「复杂问题背后都有一段简短解释」（small explanation hypothesis），且验证可以自动化。对开放性、价值冲突、依赖真实世界实验的问题，这套论证还没有被证明。

3. 旧评价体系必然生产 reward hacking¶

• 主张：考研 408、论文数量、经费、职称都是可被 hack 的指标；学生和老师不是坏人，是被指挥棒逼成 reward hacker。
• 依据：[00:29:37]-[00:36:29] 身份证校验题与 408 的「random bit string」比喻；[00:27:04]-[00:28:22] 有经验的老师劝年轻老师别好好上课、多社交；[01:31:34]-[01:37:34] 审稿与投稿中的包装问题。
• 成立条件 / 反例：讲者有时把「指标存在」推成「指标完全失效」；好指标仍可能筛选出能力。他也承认竞赛「足够难」时仍是可靠选拔。

4. AI 时代的能力不是记住细节，而是理解原理并调度 agent¶

• 主张：这一代学生不再靠手册和肌肉记忆，而是在高抽象层理解模型，让 AI 补细节；这是能力边界扩大，不只是退化。
• 依据：[00:40:01]-[00:44:30] 操作系统竞赛禁用大模型的争议；学生用 Git 的数学结构而不是背命令；[01:22:25]-[01:24:40] coding agent 时代软工 best practice 的变化。
• 成立条件 / 反例：讲者同时承认脱离 LLM 后自己能力也「极度退化」；抽象理解是否足以支撑系统级调试，仍取决于任务。

5. 教学的核心是「演」，而 LLM 可能比人更会演¶

• 主张：好老师要共情、制造参与感、让学生「能学会、想要」；这些是可拆解的技巧，因而可被 scaling 复制。大学课堂会被个性化、可生成的 content 重构。
• 依据：[01:02:36]-[01:09:58] 3Blue1Brown 的 Grant Sanderson、课堂打游戏修改器、Manual 与 Tutorial 的冗余差异；「把 Manual 变成滑杆」的设想。
• 成立条件 / 反例：讲者一面说教师会被替代，一面自己仍在投入课程；他把教学视为封闭世界里的 A+B+C，但学生的动机、信任和在场感是否可完全生成，未被证明。

6. 「退」是以退为进：放弃旧 reward，换更长周期的 reward¶

• 主张：退休、退软工圈、退软件所、退技术委员会、退考研出题，不是躺平，而是拒绝为旧指标表演，把时间换到更接近 first principles 的问题上。
• 依据：[00:16:04]-[00:20:03] 项目、申请书、验收等 overhead；[01:25:47]-[01:28:23] 「我才是真正的 reward hacker」，追求更远的 reward；[01:46:11]-[01:47:18] 对「退」的总结。
• 成立条件 / 反例：这套选择依赖南大的容错、个人已获得的学术资本和基本生活保障；对没有这些条件的人不可直接复制。

结构与证据¶

转录质量提示：本稿由 large-v3-turbo 自动转写，存在同音字和术语错误。笔记按上下文修正了：蒋炎炎→蒋炎岩、大原模型/大圆模型→大语言模型、操系统/超系统→操作系统、软弓圈→软工圈、结亲/结晴→杰青、申告人→审稿人、PR→PL、新西学竞赛→信息学竞赛、灌弹→掼蛋、cloudcode→Claude Code、archive→arXiv。无法确认的专名保留原样或标 (?)。

时间戳以用户提供的转录稿为准；小宇宙章节时间轴基于音频版，两者存在 1-2 分钟差异，定位时以转录稿为准。

观点归属：本期是单人嘉宾访谈，除主持人少量追问与补充外，核心观点均归蒋炎岩。

外部核对¶

一处日期校正：转录稿 [00:29:42] 说《副教授实名举报计算机专业学生编程水平不如小学生》发表于 2015 年 5 月，节目简介明确列为 2025 年 5 月。按公开履历，2015 年他尚未任副教授，转录稿的「2015」应为口误或转写错误；本笔记采用 2025 年。

我的评价¶

• 可信度：中高。对学术体系病灶的观察具体、可验证；对 AGI 的推演是路线判断，不是已证结论。
• 盲点：执行自动化不等于研究自动化；把 reward hacking 普遍化，会忽略好指标的作用；「教学可被 scaling 替代」与他自己的教学投入存在张力；「极乐世界」是情绪框架，不是可检验预测。
• 与已知信息的冲突：除上面的 2015/2025 校正外，「GPT 5.6 证明 Cycle Double Cover Conjecture」[01:54:01] 未核实；「每天烧两三亿 token」[00:21:25] 是个人说法；「OS 四大顶会大陆唯一教学论文」[01:25:57] 未核实。这些应视为讲者举例，不作为事实引用。
• 时效性：2026 年 7 月的访谈，模型与课程信息变化很快；具体产品名、论文状态和课程安排需按当下复核。

可执行建议¶

1. 把自己的工作拆成「执行/验证」和「目标设定/品味/责任」两栏；优先把前者交给 agent，把时间留给后者。
2. 给正在追逐的指标配一个反指标，例如可复现性、真实用户反馈、长期维护成本，防止自己成为 reward hacker。
3. 学一个领域时先建原理模型，再让 AI 补细节；但保留至少一项「无 AI 也能完成」的底层能力，作为判断 AI 输出的锚。
4. 对「AI 将取代 X」的论断，追问三件事：验证是否自动？目标是否可形式化？责任由谁承担？
5. 如果考虑「退」，先算清现金流、可迁移的学术或职业资本、退出后的长期 reward 来源；否则「以退为进」会变成单纯的退出。

问答¶

以下是整理时预判的问题；用户现场提问会逐字追加在本节末尾的「现场问答」。

Q1：这篇访谈最核心的论点是什么？¶

A：一句话：AI 把执行、验证和部分提出问题的成本压到接近零，旧评价体系下的很多努力会退化成 reward hacking；个人应放弃为旧指标表演，转向目标设定、品味和 first principles 问题。三条支撑：翻译已死、人类是复读机 [00:04:45]-[00:05:48]；评价体系必然生产 reward hacking [00:27:04]-[00:36:29]；以退为进 [01:46:11]-[01:47:18]。这是我的概括，讲者没有用一句话这样总结。

Q2：Small Explanation Hypothesis 到底是什么意思？¶

A：复杂研究问题背后往往有一段相对简短的解释；如果能枚举、筛选、验证这些解释，就能把「提出想法—验证—得出结论」的过程自动化。讲者的比喻是：用字典枚举所有句子，让研究生去做 research，好导师负责排除无意义、重复、不 interesting 的选项；LLM 让枚举从「硬编码」变成「柔性生成」，agent 负责验证。依据：[00:08:12]-[00:11:00]。外部补充：江南大学讲座公告把它列为蒋炎岩的三个愿景之一（访问于 2026-11-05）。

Q3：他说的 reward hacking 和 AI 里的 reward hacking 是一回事吗？¶

A：同构但不同场景。AI 里的 reward hacking 指模型钻奖励函数的空子；蒋炎岩把它借用到学术和教育评价：学生刷 408、老师刷论文、经费、职称，都是在优化指标而不是目标。依据：[00:27:04]-[00:28:22]、[00:29:37]-[00:36:29]。差别在于，人的 reward hacking 还涉及动机、压力和制度，不能简单等同于模型的奖励漏洞。

Q4：他一边说教师会被替代，一边又投入教学，矛盾吗？¶

A：表面矛盾，内里一致。他的论证是「教学的核心技巧（共情、参与感、可视化、例子）可以被拆解和生成」，所以长期看 LLM 可能以更低成本提供个性化教学；但他同时认为好老师稀缺，自己仍在用 Content as Code 和 agent 重构课程，是在为「教师职能被重构」做准备，而不是否认教学价值。依据：[01:02:36]-[01:09:58]、[01:10:03]-[01:24:40]。我的判断：他谈的是教师职能的再分配，不是教育需求的消失。

Q5：他说「退出软工圈」，是彻底离开这个领域吗？¶

A：不是。他明确说「我退出了软工圈，但我还是一个软工人」：退出的是「不再做软件工程问题的圈子」，不是软件工程能力本身。他仍在做 Agent 和系统研究，也仍带学生、上课。依据：[00:15:21]-[00:16:03]。这也是理解他「以退为进」的关键：退的是评价游戏，不是工作本身。

Q6：他说的「极乐世界」是字面意思吗？¶

A：不是。它是一个思想实验和修辞：如果 AI 能预判并满足人的所有欲望，人由进化赋予的竞争和目标感会失去意义，人可能选择「按快乐按钮」并在虚拟缸中生活。讲者自己说「我不知道会发生什么」，但「很有可能有一天会到来」。依据：[00:12:41]-[00:14:01]、[01:52:17]-[01:53:18]。我的判断：这部分是价值讨论，不是可检验预测；把它当作「AI 让人失去意义」的极端情景来思考即可。

现场问答¶

（暂无。用户后续提问会逐字追加在这里，并保留原问题。）

分类与标签建议¶

• 分类：科技/AI 与社会；教育/高等教育
• 标签：蒋炎岩、reward hacking、AI 与科研、大学教育、操作系统课程、scaling law、small explanation hypothesis
• 理由：主题集中在 AI 对科研评价与大学教学的冲击，兼具人物观点与教育实践；标签用具体概念，便于后续按主题检索。

参考链接¶

• 原始视频（Bilibili） — 用户提供的转录来源，访问于 2026-11-05
• 小宇宙单集页 — 节目简介、章节时间轴、参考文集，访问于 2026-11-05
• Yanyan's Wiki — 课程主页与科研劝退信，访问于 2026-11-05
• 南京大学个人主页 — 任职、获奖与课程信息，访问于 2026-11-05
• 江南大学讲座公告 — 《一个软工人的辩白》与三个愿景，访问于 2026-11-05
• Stanford CS146S — The Modern Software Developer 课程，访问于 2026-11-05

原文定位¶

• [00:04:45]-[00:05:48] 翻译已死；人类是复读机；科研过程可被机器接管
• [00:08:12]-[00:11:00] 字典枚举、small explanation hypothesis、agent 验证闭环
• [00:12:41]-[00:14:01] 极乐世界；竞争本能；意义虚无；AI 缸中之脑
• [00:15:21]-[00:20:03] 退出软工圈；离开软件所；项目与经费 overhead
• [00:27:04]-[00:36:29] reward hacking；408；身份证校验题；评价体系的系统性
• [00:40:01]-[00:44:30] 操作系统竞赛禁用大模型；学生能力结构变化
• [00:50:43]-[00:55:37] everything is a state machine；选学生；taste
• [00:56:13]-[01:01:23] 五分钟 AGI 推演；压缩就是智能，scaling 就是 AGI
• [01:01:52]-[01:09:58] 教学是演；共情；Manual 与 Tutorial
• [01:10:03]-[01:24:40] 操作系统课程改革；生成式软件工程；Content as Code
• [01:29:01]-[01:37:34] 两篇被拒论文；审稿江湖；CCF 指挥棒
• [01:43:04]-[01:58:14] 失望与愤怒；以退为进；功成不必在我；Auto Research