从 2025 年初开始，我不再把主导新的第一作者论文作为工作的主要目标。同年加入 Apodex 后，这个转变变得更清楚：我越来越多地在做系统，而系统的价值取决于它被使用时的表现。
1. 写论文教给我的事
我在 USC 跟随 C.-C. Jay Kuo 教授读博士，之后在 NUS 和 A*STAR I²R 工作。这些年，我研究过表示学习、对话摘要、多语言评测与音频语言模型。
写论文让我养成了几种至今仍在使用的习惯：
- 让结论有据可查。 看到一个结果，我会先问数字是怎么测出来的，哪些假设支撑它。
- 主动寻找反例。 提前考虑审稿人会问什么，让我习惯在别人发现之前寻找自己的漏洞。
- 认真设计实验。 对照、重复实验与负面结果，和一个好看的数字同样重要。
- 解释技术决策。 有限的篇幅迫使我想清楚，读者需要知道什么，哪些细节可以省略。
这些习惯已经进入架构讨论、代码审阅与评测工作。产出形式变了，研究训练的价值仍然在。
2. 工作的形状变了
智能体系统需要应对工具错误、证据缺失、输入变化和长程任务。很多工作藏在相互关联的决策中：检索失败时怎么办，工具调用何时超时，状态怎么保存，结论如何核查。
反馈来得很直接。用户遇到问题，我们从执行记录里找到原因，修改系统，再看是否有帮助。问题也很具体：这个改动有没有让任务更可靠、更有用？
论文需要另一种产出：聚焦的论点、合理的比较、可复现的实验，以及脱离代码库也能被理解的叙述。这个过程能帮助人想清楚工作，也会占用本来可以解决系统下一个问题的时间。
对于我现在的工作，我越来越愿意把时间放在构建、测量和改进系统本身。
3. 不再完全匹配的地方
重要的工作单位往往是整个系统。 一个可靠的智能体，可能依赖若干普通设计决策的配合。把它们拆成独立的论文贡献，容易丢掉真正有价值的相互作用。
反馈周期不同。 线上系统的改动，可以在几天或几周内观察。论文从写作、审稿到发表可能持续数月，期间实现方式和现实约束都可能发生变化。
能给出有效反馈的人变了。 理解问题、能够检验结论的审稿人很有价值。但对我当前构建的系统，用户和同事经常能发现基准测试或论文评审没有覆盖的问题。
这并不意味着工程天然严谨。使用量可能误导人，评测可能遗漏真实故障，看似正常运行的系统也可能藏着问题。要正确理解这些反馈，仍然需要研究训练带来的判断力。
4. 论文仍然提供什么
论文留下一份公开记录。几年后，别人仍然可以引用方法、检查假设、复现实验，或者质疑结论。工程工作在产品变化或团队更替后，往往更难保留这种连续性。
同行评审也提供了共同的表达与验证标准。它并不完美，但我没有一个能简单取代这些功能的办法。对很多研究问题，论文仍然是合适的产出。
我也仍然参与合作研究与技术报告，只是不再主要围绕下一篇第一作者论文来组织自己的工作。
5. 我现在如何衡量工作
我更关注系统能否完成有价值的任务、如何失败、多久能恢复，以及用户是否愿意继续使用。如果工作已经公开，问题反馈、外部贡献与可复现的例子也是重要证据。
我也会问，其他人能否理解这些决策，并继续这项工作。代码、执行记录、测试与清晰的文档，能保存一部分原本会随项目变化而消失的经验。
任何一个指标都不够。把它们放在一起，我觉得更接近自己现在想做的工作。
对于正在完成博士、或研究一个需要严谨对照实验的问题的人，论文依然可能是合适的方向。我的选择反映的是工作内容的变化，以及现阶段对我最有帮助的反馈方式。