Author: Xinyi Mu

姓名：刁廉正    专业方向：计算机技术    日期：2025 年 12 月 25 日 Part I 写作缘起与目标 这份反思对我来说不是一次“打卡式”的总结，而是一场把自己拉出自动驾驶模式的练习。过去一年，我的研究节奏常常被两个东西牵着走：一是“结果导向”的惯性——先把实验跑出来再说；二是“权威导向”的舒适——看到顶会论文、看到高指标，就默认它的解释足够可靠。本学期《学术写作与批判性思维》不断提醒我：我究竟是在更会思考，还是只是在更会把结论写得像结论？ 于是我希望用这篇文字记录一种变化：在阅读、写作与研究设计中，我的默认思维模式如何被打断、被拆解、再被重建。尤其是在计算生物学与生物大模型安全这个交叉领域，数据、假设、评价指标与“故事线”很容易彼此勾连，最终形成一种“看起来无懈可击”的叙事。课程提醒我：科学写作不是把事情写得顺，而是把推理暴露出来，让它经得住检验。 本次写作的目标因此围绕两个轴展开。第一是学术标准的内化：我如何更清晰、更准确、更有逻辑地表达与论证，让读者能复现我的思路，而不是只能被气势“说服”。第二是学术意识的扩展：我如何在更深的层面理解知识的来源、边界与责任——包括我对“数据即真相”“指标即进步”的迷信——并把这种意识迁移到研究与日常生活中。 Part II 引导式反思 I. 学术技艺：写作、逻辑与哲学 课程之前，我对“批判性思维”的理解更像一种姿态：读文献能挑出一两处不足，写作能在结尾补上几句 limitations。我阅读时常是“扫一遍—搬”的流水线：快速定位方法、结果与指标，把作者的英文句子压缩成中文要点。即便觉察到论证薄弱，也容易用“也许作者还有我不知道的数据支撑”替作者补台，潜意识里把高水平发表等同于高可信度。 课程之后，我更习惯把阅读当成一次对话甚至对抗：作者到底在解决什么问题？他给出的证据能否必然推出结论？关键假设是什么，反例是什么，边界条件在哪里？一个很具体的变化是：我不再满足于“看懂了方法”，而是尝试把论文的论证结构还原成一张可检验的图（前提—推论—结论），并对每个箭头的合法性提出质问。 我最近读到一篇与我研究相关的方法论文，作者宣称模型在跨数据集任务上显著优于现有方法，并把提升归因于一个新模块。过去的我可能先被表格说服，现在我反过来追问：对比基线是否公平？训练数据是否共享？评价协议是否一致？是否存在“同分布泄漏”（比如预处理阶段引入了目标域统计量）？当我把实验流程按时间线拆解后，发现关键对比使用了不同的数据清洗与过滤策略，模型实际上是在更“干净”的数据上训练，提升未必来自新模块，更可能来自数据处理差异。这个发现让我第一次在阅读中真正体会到：一个论证可以非常 persuasive（图好看、叙述顺滑、结论顺耳），却未必在逻辑上 sound（存在未被控制的混杂变量）。 因此，我开始刻意训练自己：对“看起来对”的东西保持不适。论文最终要面对的不是读者的情绪，而是现实的反抗；而我想成为能和现实较真的人。 过去我批评文献主要停留在“技术层面”：模型有没有更强、实验够不够大、消融做没做全。课程把我推进更深一层：每篇论文都隐含着关于“真实”的承诺，而这种承诺常被藏在方法细节与评价指标后面。例如，作者默认“测量值就是现象本身”，默认“数据分布代表世界”，默认“可观测即真实”。这其实是对本体论与认识论的选择：我们把什么当作存在？把什么当作知识？把什么当作证据？ 在我的研究领域，这些假设尤其尖锐。以单细胞组学或医学影像为例，所谓 ground truth 往往是仪器、流程、标注与统计处理共同生成的产物。若把某个基准数据集当作“天然真理”，再用其指标作为终极裁判，本质是在做认识论的简化：把“可测量”与“真实”直接等号。课程之后，我更愿意把这个等号拆开，追问真实的生成机制：哪些不可见的偏差被制度化写进了数据？哪些研究问题是被现有测量手段“允许提出”的？哪些结论只是对基准的适配，而非对世界的解释？ 一个让我印象深刻的例子来自“模型能否学习到细胞类型的本质状态”的讨论。有些工作把嵌入空间的聚类结构解释为“细胞类型的真实划分”，并据此提出机制。以前我可能倾向接受，现在我会追问其本体论立场：细胞类型究竟是客观存在的实体，还是依赖测量、时间尺度与任务定义的工具性概念？如果细胞状态本质上连续而非离散盒子，那么我们用离散聚类去“发现”类型，是在发现自然，还是在制造分类？这类看似哲学的问题会直接反过来影响方法设计：我究竟该把目标设为“还原离散标签”，还是更忠实地刻画连续变化与不确定性？ 这种“挖根”之所以对博士阶段不可或缺，是因为博士研究不是在既定规则里跑分，而是在质疑规则本身：我们如何切割世界，如何定义问题，如何设定证据门槛。把这些选择说清楚，才可能做出不靠“话术”支撑的贡献。 课程把一套“倡议标准”从抽象名词变成了可操作的自检清单。对我影响最直接的三项是：清晰性（Clarity）、连贯性（Coherence）与公正性（Fairness）。我曾经也知道要写清楚，但常把“自己看得懂”误当成“读者看得懂”；为了显得专业，反而堆术语、缩写与长句，句子越写越像迷宫。连贯性上，我常在段落之间跳跃，因为脑中有推理链，却没把桥搭出来。至于公正性，我过去更倾向为自己的方法辩护：介绍相关工作时容易挑对自己有利的角度，忽略对手的合理性。 现在我更有意识地使用具体策略来实现这些标准： 第一，为了清晰性，我会强迫自己在每个小节开头写一句“这段要回答什么问题”，在结尾写一句“这段得出什么结论”。同时，我会尝试用一句非术语化的中文解释核心概念（像给跨领域朋友讲）。如果解释不出来，通常说明我还没真的懂。 第二，为了逻辑性与连贯性，我会在写作前画出“前提—结论”链条：每一段承担一个推理推进，段首用显式连接词交代它与上一段的关系（因果、递进、转折或限定）。写完后再做一次“逆向阅读”：只看每段首句与尾句，检查是否能形成不跳步的主线。 第三，为了准确性与精确性，我会区分“大概”与“可检验”。凡是涉及因果、机制、提升来源的句子，都要能指向具体证据或实验设计；不能验证的部分必须降格为假设，并明确条件范围（在何数据、何假设、何指标下）。 第四，为了深度与广度，我会在文献综述里强制加入“反例段落”：主动寻找与主流叙事冲突的结果或失败案例，并解释条件差异。这一策略逼我承认问题的复杂性，也防止我把研究写成单线胜利故事。 第五，为了公正性，我开始刻意练习“替对手把话说到最好”：先用最强版本表述对方贡献，再指出我方法的差异与边界。副作用是写作更痛苦，但好处是论文更像学术，而不是营销。 II. 造就自身中的学者：意识与迁移能力 课程把“精神性/意识”从狭义的宗教语境扩展为一种清醒：对真理的敬畏，对自我偏见的敏感，以及愿意为观点承担证据责任。这一点对我冲击很大。我以前把批判性思维当成脑力技能，现在我更像把它当成一种“心智伦理”。它让我更频繁觉察到自己在研究中的情绪：急于证明、害怕失败、对权威的依赖、对不确定性的焦躁。 这种觉察带来的变化是：我读写时更能识别脑内的“快结论冲动”。例如看到一个结果符合预期，我过去会立刻把它当成证据；现在我会先停一下，问自己：我是在追求真理，还是在追求确认？当这种自我质问成为习惯，我对“智识责任”也更敏感——不再允许自己用漂亮的表述掩盖证据不足，或用“可能”来逃避严谨。更微妙的是，它改变了我对自我认同的理解：我不再把“学者”理解为产出论文的人，而更像把它理解为在不确定世界中持续校正自己的人。批判性思维不是让我更强势，而是让我更谦逊：我愿意承认不知道，并把不知道变成可研究的问题，而不是用自信填空。 在学术上，这套思维方式会直接改变未来的研究设计与写作流程。第一，我会更早做“问题澄清”：在动手写代码前先写一页纸的论证地图，明确研究目的、核心假设、需要的证据、可能的反例与失败条件。第二，我会把“评价”当成方法的一部分：提前定义什么结果支持主张，什么结果推翻主张，并讨论能区分机制的消融，而不是事后围图讲故事。第三，在综述中我会更重视“哲学层面的对齐”：不同工作往往不是技术强弱，而是对问题的本体论设定不同（把系统看作可分解的线性叠加，还是看作不可约的复杂整体）。把这些设定说清楚，综述才不会沦为排列引用。 在生活中，批判性思维也开始以更朴素的方式出现。与朋友讨论职业选择时，我过去容易给出“听起来正确”的建议；现在我会先把对方的目标、约束与价值排序弄清，再一起讨论不同选择的后果与证据。面对社交媒体上的热点信息，我更少立刻站队，更倾向于先追问信息来源、概念定义与推理跳步。以前我把这种“慢”当作优柔寡断，现在我把它当作对现实复杂性的尊重。 总体而言，本课程给我的不是一套话术，而是一种持续的自我监控机制：当我准备写下一句话、相信一个观点、或做出一个决策时，我更常先问一句——我凭什么这么想？这个追问并不浪漫，但它很科学：它把我从自我中心拉回到证据与逻辑，也把我从浮躁拉回到清醒。 结语 如果要用一句话概括这学期的变化，我会说：我从“想把事情做出来的人”，开始变成“愿意把自己的想法拆开检验的人”。写作因此不再只是表达结果，而是暴露推理；批判性思维因此不再只是挑错，而是修身——一种对真理负责、对自我偏见警觉的生活方式。未来无论我研究的是生物基础模型、数据技艺抑或是多模态生成，我都希望自己能保留这种清醒：在结论面前保持谦逊，在证据面前保持勇敢，在复杂面前保持耐心。