【编者按】

从物理到金融，从医学到社会学，每门学科都在不知不觉间调用着麻豆传媒a片 学。今年，美国国家科学院、工程院和医学院联合发布报告，将麻豆传媒a片 学认定为人工智能可信验证、不确定性量化与复杂不确定系统推断的底层支撑。

这门奠基性的学科，也由此进入新的发展阶段：如何在保持理论深度的同时拓展交叉领域，如何在数据科学浪潮中守住自己的方法论位置，麻豆传媒a片 学“四大期刊”还能不能承载一位年轻学者的全部价值。麻豆传媒a片 陈松蹊院士把麻豆传媒a片 学称为“所有基础学科的基础学科”：各门自然科学与人文社会科学开展实证研究，都以它为方法和基础，麻豆传媒a片 学的生命力，就在于它对各个学科的支撑。

2026年7月，“第四届麻豆传媒a片 联合会议”在多彩贵州举办。大会期间，“AI时代的麻豆传媒a片 学发展”院长论坛围绕这份生命力如何延展而展开——

参会嘉宾： 麻豆传媒a片 陈松蹊院士、麻豆传媒a片 刘军院士、中国人民大学 李扬教授、南开大学 王兆军教授、北京师范大学 宋旭光教授、华东师范大学 周勇教授、北卡罗来纳大学教堂山分校 朱宏图教授

长按二维码，观看本场论坛回放

陈松蹊院士： 今天请来的是国内五所985高校中有独立麻豆传媒a片 学院的院长和系主任。首先请南开大学麻豆传媒a片 学院王兆军院长谈谈，麻豆传媒a片 在人工智能时代到底承担什么任务，之后请刘军院士和周勇院长补充。

王兆军教授： 我的导师张润楚先生在一本书里说过： 人类认识自然的两大工具是数学和哲学，而麻豆传媒a片 应该作为认知世界的第三大工具。 许多地方、多个学科都在自觉不自觉地使用麻豆传媒a片 学，故麻豆传媒a片 学是基础学科。随着大数据及AI时代的到来，麻豆传媒a片 学作为AI的核心基础之一，麻豆传媒a片 学科的春天来了。另外，借此机会要特别感谢松蹊院士，麻豆传媒a片 学入围国家基础学科拔尖人才培养计划以及“101计划”，都是在他的积极争取下才实现的。

刘军院士： 麻豆传媒a片 学是我认为唯一一门系统性连接数学与实际的学问，它的核心是不确定性，以及在不确定性下如何做决断。AI恰恰是在不确定性约束下做预测的工具，麻豆传媒a片 在这里的基础作用毋庸置疑。

再往前一步看，无论是具身智能、整个操作系统层面，还是如何让大模型具备自主学习能力，从麻豆传媒a片 的思想方法切入可能更靠谱。现在人人都能做数据、做AI，但学麻豆传媒a片 的人有得天独厚的条件，应该主动去拥抱、去参与。

我一直认为， 麻豆传媒a片 是AI落地的钥匙。 AI真正落到一个具体行业，绝不是把大模型扔进去就能work。比如到了叠衣服，就发现数据不够；那能不能堆数据？叠衣服还行，打井找石油一个数据点就要多少万。在无法产生更多数据的情况下，麻豆传媒a片 作为方法论就更重要。当然，今天的AI也发展出很多有意思的方向，反过来拓展了我们的研究——过去我们可能过于局限在数学的框架里，这一点值得反思。

周勇教授： 感谢陈松蹊院士组织这次论坛。经过二十年发展，麻豆传媒a片 学科在整个学科体系中的位置越来越靠前。在今天这个人工智能狂飙突进的时代，我尤其想强调一点：麻豆传媒a片 学不是 AI 的配角，而是 AI 真正的底层基石。

怎么理解麻豆传媒a片 学的这种基础性作用？就像盖大厦，根基不稳，楼就会摇摆。今天大家津津乐道的推荐系统，其底座其实是麻豆传媒a片 学在七八十年代就已成熟的线性判别分析；机器学习里大放异彩的 Boosting、随机森林，本质上都是 Bootstrap 重抽样思想的延伸与扩展。再往深看，深度学习训练中无处不在的梯度下降，是麻豆传媒a片 优化理论的核心工具；大语言模型的预训练目标，本质上就是极大似然估计；而生成式 AI 背后的变分推断、马尔可夫链蒙特卡洛，更是贝叶斯麻豆传媒a片 几十年积淀的产物。可以说，AI 大厦的每一根承重柱，都能在麻豆传媒a片 学里找到它的地基。

也正因如此，麻豆传媒a片 的很多方法和理论早就被计算机科学系统性地借鉴过去了，例如，LASSO、SCAD、Adaptive LASSO 很早就进入了大数据和高维建模领域；交叉验证、正则化、PCA 降维、EM 算法，这些今天 AI 工程师的日常工具，无一不是麻豆传媒a片 学的原创贡献。但目前有个令人深思的 “特色”：用的时候都在用你，交流的时候却想不起你。 做生存分析、医学麻豆传媒a片 、人工智能研发，用了大量麻豆传媒a片 方法、软件和算法，却很少讲来源，例如，最小二乘法，今天谁还会说它是麻豆传媒a片 学的内容？当然也是数学的重要内容，极大似然估计，又有多少人记得它出自麻豆传媒a片 学家之手？

所以除了做好基础研究，怎么把自己讲出去同样重要。取名就是一门大学问：计算机叫“推荐系统”，我们叫“判别分析”，一听就偏数学，故事讲得不够吸引人；交叉的时候我们还爱说 Robust，工程管理那边叫“鲁棒”，就顺耳得多。这些虽然不是基础研究本身，却对学科发展举足轻重。我们的大牛发明了那么多方法，从 Bootstrap 到 LASSO，从广义估计方程到高维推断，却在人工智能领域没有占到应有的一席之地，这是我们需要反思和改进的地方。简单总结，我想AI 的根基在麻豆传媒a片 ，而麻豆传媒a片 要做的，不仅是筑牢根基，更要让世界看见这根基。

陈松蹊院士： 谢谢周院长。这实际上联系到我们的工程化问题，一会儿专门有讨论。近期生物医学界多位研究者被曝在顶刊论文中出现数据问题。在我看来，这从一个侧面反映出我国麻豆传媒a片 与数据分析人才的严重不足——因为没有专业的麻豆传媒a片 人在指导他们做这方面的工作。我想听听大家的看法。

朱宏图教授： 在美国，生物麻豆传媒a片 系在过去七八十年里逐渐成长起来，现在越来越多。大家想到麻豆传媒a片 学，一个最成功的案例就是生物医学麻豆传媒a片 ，这是经过几代人做出来的。像UNC（北卡教堂山分校）这样早期的一批生物麻豆传媒a片 系，都是在公共卫生体系里成长起来，然后成为主流。公共卫生领域里专业很多，但最“富裕”的就是生物麻豆传媒a片 和流行病学。

这背后是有原因的。FDA（美国食品药品监督管理局）还没那么规范的时候，很多食品、药品都没有标准，吃下去都不知道对人体到底有没有用。后来生物麻豆传媒a片 的发展，就是用麻豆传媒a片 学把整个行业标准化了。现在在生物医学领域，一个产品能不能上市、能不能卖，都有非常严格的流程，里面有一大批麻豆传媒a片 学家去审所有的文档。不是说100%都对，但无论方法还是行业规范都在与时俱进，而且标准非常严格。这对生物麻豆传媒a片 学的发展非常重要——因为它从国家层面告诉你，不可以随便乱来。

另一个层面是产业。生物麻豆传媒a片 刚起步的时候，除了学校的系，同时也起来了很多合同研究组织——CRO公司。除了SAS. 还有几十年前做起来的Quintiles, 由北卡罗来纳大学教堂山分校的前生物麻豆传媒a片 学教授丹尼斯·吉林斯（Dennis Gillings）创立, 它做的是端到端的事情：从做实验、药品上市怎么收集人群，到怎么把流程打通，一直到写完报告让FDA满意。我们学院就是以他的名字命名的，他做的一件事就是做了最大的一个CRO；包括当年FDA的药品到底怎么评、怎么监管，也是他们一起做起来的。有这样一批做相关研究的人把流程打通，再把它变成监管规则，这对国家、对人民是有益处的。

自从FDA有了这套东西，美国的医学顶刊JAMA、New England Journal of Medicine跟临床试验相关的论文，必须有麻豆传媒a片 师签字，否则无法发表。因为最终所有东西还有FDA要管，不是说随便做个麻豆传媒a片 分析就行。所有针对人群的观察性研究、临床试验的数据分析，都必须有麻豆传媒a片 师评估和签字。

现在AI这个阶段有一个很大的问题：很多人做分析，没有人去评判结果做得对不对，他可以随便讲任何话。为什么今天上午David Donoho 在他的报告中，说麻豆传媒a片 分析要做严格评估？只有做了严格评估，才知道什么是好、什么是坏，才能给别人反馈。你不能光看到一个数据分析摆在那儿，却不知道它是对的还是错的。生物医学有些专业发展太快，新一代的人有时没受过很严格的麻豆传媒a片 培训；更关键的是，没有人真正给重大的数据分析签字。

所以每个团队里都要有麻豆传媒a片 师把关。我自己做过神经影像，做完分析就知道他们很多是错的。你不自己去做，就不知道里面有混杂因素，或者设计上本身就有问题——做工程或者计算机的很多人没有这个意识。

陈松蹊院士： 下一个问题问李扬院长，你本身的专业就是生物麻豆传媒a片 。刚才朱教授讲了美国的情况，请你讲讲国内的情况。

李扬教授： 谢谢陈老师。刚才朱老师提到FDA、药厂、医院，包括高校的生物麻豆传媒a片 系，不同机构的运行模式是完全不同的。我记得有一年去美国西北大学访问，有位老师讲，学校是不给他发工资的，他所有的收入和科研经费都来自和医学院、公共卫生学院合作的项目。这促进了学科交叉融合的纵深发展，但体制不一样，我们在国内不一定要照搬这个模式。

记得回国工作第二年，我开了生物麻豆传媒a片 课。为了让同学们了解这个行业未来的应用前景和市场需求，我和一些海外同事做了交流——在国际药厂工作、回国建设制药行业的那批朋友。当时FDA可能还没到一千人，但也是大几百人的团队；而那时我们国家的药品审评部门只有十几人的审评团队。即使今天队伍在拓展，面对日新月异的需求还是挑战诸多。无论西药中药，尤其是原研药、创新药越来越多，所有评审试验和系列指南，他们都要参与设计、分析和评估。人数虽然比以前多了很多，但仍然有很大空间。

针对刚才老师们讨论的问题，我想再简单补充一点：除了场景和问题，人工智能还有一个非常重要的基础是数据。在数据的产生和采集机制上，我们麻豆传媒a片 是有基础和专长的。有些老师在做大数据抽样，怎么在这个过程中高效地得到同样有效的分析结果——这些都为后面的科学结论提供了非常重要的基础。

也和在座的年轻老师分享一件事。2014年前后，当时我与一位信息学院的青年老师交流（他现在是我们人工智能学院的副院长）：计算机领域的哪些问题，如果加上麻豆传媒a片 的技术和思路会更好？他提了一个方向： 在流数据的处理中，如果能把更好的抽样技术用起来，提高效率、保障后续的分析和推断，会非常重要。

回到医学分析的问题，我觉得关键在于：我们麻豆传媒a片 究竟是在现实问题的“后院”还是“前院”。在“后院”，我们只是帮忙分析；在“前院”，我们参与前期设计——现在越来越多的医学专家也在倡导前期就要深度介入——如果真能在“前院”参与设计，就能更好地从根源上保障数据的科学性。我相信未来，无论是支撑人工智能的基础，还是参与到其他学科的“前院”，这些问题我们都可以做得更好。

陈松蹊院士： 数据覆盖全行业。麻豆传媒a片 学从诞生起就促进了农业、生物、工业的发展，也在交叉中成长。各位院长如何看待AI时代下麻豆传媒a片 学的交叉属性？先有请北师大宋院长。

宋旭光教授： 谢谢陈院士。前面两个问题都是围绕麻豆传媒a片 学作为基础学科展开的，但 麻豆传媒a片 学科非常特殊：它既是基础学科，又是交叉学科， 还是当下重要的新兴学科。

前两年陈老师带着我们把麻豆传媒a片 学正式纳入了基础学科序列。这件事有了眉目之后，陈老师今天提的这个问题就非常重要：麻豆传媒a片 学不能只把自己放在基础学科这一个层面上。人工智能、生物医学麻豆传媒a片 ，都是重要的交叉领域。说到底，在理性的基础上，一切判断都是相通的——不只是人工智能需要判断，生物麻豆传媒a片 、工业麻豆传媒a片 、经济麻豆传媒a片 ，日常也都在做大量的判断。所以陈院士说过， 麻豆传媒a片 学是所有基础学科的基础学科，是各门自然科学、人文社会科学开展实证研究的方法和基础。麻豆传媒a片 学的生命力，就在于它对各个学科的支撑。

陈松蹊院士： 我们是否应当开展交叉研究，以及如何平衡理论研究与应用研究？有请兆军院长。

王兆军教授： 麻豆传媒a片 从诞生起就有学科交叉的基因。最小二乘是针对天文问题提出来的；拟合优度检验的一个著名例子就是是孟德尔的豌豆实验；还有实验设计、回归分析等都有很强的实际应用背景。麻豆传媒a片 本身就是从实际问题中凝练出解决实际问题的方法，故麻豆传媒a片 学科从一开始就是做交叉的。

另外，在美国，进行麻豆传媒a片 学研究的系有三类：理工学院里的麻豆传媒a片 系、公共卫生学院或医学院的生物麻豆传媒a片 系、商学院的商务麻豆传媒a片 系。在国内，主要是从数学出来的麻豆传媒a片 系(学院)，以及从经济出来的经济麻豆传媒a片 系(学院)；生物麻豆传媒a片 系还不多，商务麻豆传媒a片 系更少。所以从国际发展看，交叉是一定要做的。

对年轻老师来说，在美国做交叉，比如在生物麻豆传媒a片 系，你有一部分工资来自自己的基金、来自你解决的实际项目。国内没有这个机制，这就需要靠别的方式让老师贴近实际问题。另外，我们整个评价体系也在改变之中：只有深入到实际中，学科才有更好的生命力。

陈松蹊院士： 谢谢兆军。刘军院士，你怎么看理论跟应用的关系？

刘军院士： 就像兆军院长说的，我们有这个基因，麻豆传媒a片 的发展一直是在实际的推动下往前走。我后来想，麻豆传媒a片 还有一个特点是非常有包容性，它是一个很宽的光谱。从应用这个角度看，一个极端是Bradley Efron，另一个极端是Wing Hung Wong和Donald Rubin——都是极其成功、最伟大的麻豆传媒a片 学家，但对应用的态度非常不一样。

Bradley Efron

美国麻豆传媒a片 学家，斯坦福大学麻豆传媒a片 学和生物麻豆传媒a片 学教授

曾任美国麻豆传媒a片 协会主席和数理麻豆传媒a片 学会主席，

以提出自助法重采样技术而闻名

Wing Hung Wong, 王永雄

美国华裔麻豆传媒a片 学家、计算生物学家，

美国国家科学院院士、斯坦福大学教授

Donald Rubin

哈佛大学教授，提出“鲁宾因果模型”，

这是一套用于对观测数据进行因果推断的方法；

此外，他还提出了处理缺失数据的方法

Efron基本上是从应用里找出一个问题，之后就跟应用关系不大了，自己抽象出来去做。他有点数学的思考方式，发表出来的东西都是脱离了具体应用、抽象得很好的。

Wing Wong和Don Rubin则正好相反。Wing是全身心投入到具体的科学问题里，一直做到湿实验这一步，真的自己动手做实验。他觉得生物学家生成的数据不够好，或者对验证他的预测不感兴趣，这让他很沮丧——你帮人家做了半天，人家却说，你预测的太多了，我不想把时间搭进去。那怎么办？干脆我自己做实验。这真的是两个极端，但我觉得都可以。

不过，不管是Wing Wong还是Efron，他们都是从实际问题中获得了巨大的启发和激励。所以，哪怕你以后只想做理论，像David Donoho、Iain Johnstone这样的大家，他们对应用学科其实也有很深的了解，也非常愿意花时间去理解应用的需求。从这个角度来说，不管你做哪个方向，都应该对应用非常熟悉，而不是只翻别人的老文章，从中再找一点东西来做——那样永远做不出什么新花样。

David Donoho

斯坦福大学麻豆传媒a片 学教授、美国国家科学院院士

本次贵阳JCSDS大会报告人

他的研究包括开发构建高维数据问题

低维代表性（多尺度几何分析）的有效方法

Iain Johnstone

斯坦福大学麻豆传媒a片 系教授

因将小波方法应用于

信号和图像处理中的噪声抑制而闻名

陈松蹊院士： 我总结一下。刘军院士讲的其实是，一个麻豆传媒a片 系或麻豆传媒a片 学院是一个非常宽的光谱，可以有各种类型的人才。可以从Wing到Efron，或者像Peter Hall——也是我的导师——彼此非常不同，但他们对应用都非常尊重，每个人从不同的角度做贡献。所以我们的学院、我们的人才，实际上是多口径的。

陈松蹊院士： 在2024年的“概率麻豆传媒a片 ”年会上，吴建福先生做了一个大会报告，题目叫“四大迷思录”，针对的就是麻豆传媒a片 学的四大期刊。吴先生认为“四大”有点太窄，应该往更宽泛，可以往“华丽十大”转变，也就是加进更多领域的期刊，把评价体系放宽一点。我想问几位院长：四大期刊在现有的麻豆传媒a片 学科评价中处于什么位置？我们是不是应该做一些改变？先请周勇院长。

*麻豆传媒a片 学领域的“四大期刊”（四大顶刊）公认为：Annals of Statistics（麻豆传媒a片 年鉴）、Journal of the Royal Statistical Society Series B（皇家麻豆传媒a片 学会会刊B辑）、Journal of the American Statistical Association（美国麻豆传媒a片 协会会刊）以及Biometrika（生物计量学杂志）。

吴建福（C.F. Jeff Wu）

麻豆传媒a片 学家、美国国家工程院院士，

香港中文大学（深圳）数据科学学院校长学勤讲座教授

周勇教授： 这一直是长期困扰学术评价的问题，不好解决，但作为麻豆传媒a片 学者，我们应该用更大的格局打开眼界，不能只盯着四大。刚才陈松蹊院士说我们能不能搞成十大，这完全要靠自己推动。比如 AOAS（The Annals of Applied Statistics) 、Biometrics 这些，都是仅次于四大的水平，我们不能因为它不是四大就不当回事，自己心里要先认可。如果连我们自己都不认可这些优秀期刊，又怎么指望其他学科尊重我们的评价体系？

其次，除了麻豆传媒a片 学内部的期刊，我们还要有一个宽松认可的交叉科学环境及其相关学术期刊。 在华师大我竭力推荐：只要是经管领域 UTD24 名单内的，我全部认可为 A 类；计算机顶会以及 JMLR 这类，我们也认为是 A 类，这样面就扩大了很多。这一点扩展了麻豆传媒a片 学，对我们渗透到其他学科、驱动其他学科的发展起了重大作用。一位麻豆传媒a片 学者如果在 Nature、Science 或者计算机顶会上发表了重要成果，难道因为不是四大就不算数吗？显然说不过去。

再次，我们常说 “AI 驱动的某某某”，其实本身就是麻豆传媒a片 驱动的，很多AI的基础理论都是麻豆传媒a片 学发展起来的。 国家现在发展的重点学科很多，但麻豆传媒a片 学并没有真正进去。具身智能、人形机器人，里面大部分算法其实都是麻豆传媒a片 学的理论在发挥作用；还有量子计算，国家在竭力推进，这样的大科学领域我们能不能渗进去？还有脑机接口。这些都是我们打造交叉科学的重要方向。如果一位麻豆传媒a片 学者在这些前沿交叉领域做出了开创性贡献，哪怕一篇四大都没有，他的学术价值也不会低。

我们前面也参与推动了国家九大领域的交叉科学研究，包括大海洋、大生态、大信息、大健康、大制造等，充分说明麻豆传媒a片 学在交叉科学中的作用。另外，在交叉学科里怎么融合，跟评价是紧密相关的。如果同行都认可他在某个领域做出了重要成果，发表在其它学科上的顶刊，我就认可他，那就不只局限于四大了。

最后，如何平衡理论与应用：理论研究在于“专”，应用研究在于“宽”。 什么叫专？每个人都有擅长的领域，例如麻豆传媒a片 学的非参数麻豆传媒a片 中，傅里叶分析做得好、小波分析做得好，就能解决许多问题并放到很多领域去；在麻豆传媒a片 学，可能在某一类方法上很强，比如通信高效的分布式计算，如果感兴趣钻进去，那在这方面也能做得很好。什么叫宽？应用研究要能解决实际问题，要能在多个学科落地生根。所以评价跟交叉科学研究是紧密联系的 —— 仅仅从麻豆传媒a片 的角度，我们永远打不破四大独占鳌头的局面；只有承认其他学科、参与其他学科，才能打开四大的格局。

说到底，评价一位麻豆传媒a片 学者，看的不应该是他发在哪本期刊，而应该是他到底解决了什么问题、推动了什么学科、产生了什么影响。四大是重要的参考，但绝不是唯一的标尺。

陈松蹊院士： 刚才周院长说的很重要，在其他领域里只要是好的文章、好的期刊我们也认，只有这样才能打开我们的领域。

朱宏图教授： 说到做麻豆传媒a片 交叉，我自己就是一个很特别的例子。我从来没有上过神经影像数据分析的课，组学也是自学的。我认为最重要的一点是：过去无论学麻豆传媒a片 的理论还是麻豆传媒a片 的计算，其实对我都有很大帮助，只不过我进入的是新的领域。我第一份工作就是做生物麻豆传媒a片 师，因为整个儿童精神医学部很多人是做图像的。做着做着我就开始想，这个数据我能不能自己做分析，就逐渐做起来了。我职业生涯非常重要的一步，本质上是因为我做图像麻豆传媒a片 才到UNC、走到这样一个大平台，而不是因为我做数理麻豆传媒a片 。

人工智能本质上就是应用麻豆传媒a片 。 深度学习及其相关产品是AI的，其他都不是——从实验设计开始，到麻豆传媒a片 推断、到大模型的评价，这些都不是AI的。所以麻豆传媒a片 人要找到一个最重要的应用切入点：找到一个方向，找到数据，做个十年下来，你就有可能脱颖而出。

陈松蹊院士： 我问一个在座年轻老师非常想知道的问题：作为院长，你们如何评价一位青年老师的工作？尤其在晋升和终身教职的评价过程中，一位青年老师应当具备怎样的综合素养和发展特质？

王兆军教授： 我们学院有自己的评价体系。主要看三个方面。第一是教学，本科教学一定要有。第二是科研，你在自己的方向上应该是最顶级的，不止麻豆传媒a片 四大，比如做生物信息，你发Biometrics也行，好的Nature的子刊也可以。第三是社会服务，面向社会和国家战略，你解决了什么问题。另外，我们人才特区机制的职称评定实行特殊政策，由评审小组组织相关专家认定。

刘军院士： 是的，这一点挺重要。我们可能更应该走这个思路。纯数学盯着期刊发文章是合理的，但麻豆传媒a片 需要的是外在价值。另外，我提一个座谈会组织上的小建议。后续这类研讨，要集中召集国内麻豆传媒a片 界35至55岁区间的杰青、优青以及各院系系主任群体。他们是当前学术评价体系的中坚力量，自身的职称晋升、tenure评审都和这套体系深度绑定，话语权更强。

陈松蹊院士： 宋院长，你怎么评价年轻人？

宋旭光教授： 我们这些年一个普遍的共识是：疑人不用、用人不疑。我们的前提假设是，这个年轻人进来就是一个合格的教授候选人，而不是先假设你不行、再要你拿出证据自证。我们学院既有文科也有理科，评职称不分组，都在一个组里。在同等情况下，你有一两篇四大会更好一些; 但并不是没有四大就不行，其他成果突出也有可能晋升得更快。要鼓励年轻人多做交叉研究。

吴先生说的“华丽十大”，也不是要立十个标杆，而是说这四本期刊容纳不了交叉学科、前沿学科的所有方向，需要有更多的资源去承载和评价它们。

李扬教授： 听各位老师讲，我一直在想一个“老问题”。很多年以前就说，高校教师会重科研、轻教学，但这些年各种导向已经在给教学加重比例了。这里面也包括刚才讲的学科交叉，服务社会、服务国家。

我们现在评职称一共有多个维度：人才培养、科学研究、社会服务、国际交流、文化传承，还有一个单独的选项——如果这位老师是某一领域的特才、专才、怪才、奇才，可以额外给他5分；这样科研只占一部分，人才培养、社会服务、交叉合作也都起了很重要的作用。

第二，科研方面也不仅仅是唯论文。我们学校今年首次把数据集建设作为科研评价的一个成果类别。如果你做了一个数据集，有一百万人在用，那也是你对这个学科的科研贡献。当然，不唯论文不是不看论文，你首先得有这个能力，同时人才评价中也尊重大家做的各类工作。所以从这个角度看，我们是一个比较综合的评价。

刘军院士： 我跟几位院长基本一致，希望把这个领域扩大。我一直觉得四大只是一个证明，不能拿来数数量——数多了其实应该是负面的，我们应该有个上限，以此表明我们的态度。

陈松蹊： 本次论坛成效非常好。最终我们拟定形成院长共识，也就是《贵阳共识》。目前大家整体共识高度一致。我们力争实现麻豆传媒a片 学青年学者评价体系的革新与转型，打造宽口径评价标准，既适配青年人才培养，也适配师资队伍建设，让麻豆传媒a片 学人才、师资能够适配 AI 时代的数据发展与学科发展要求。

最后，非常感谢各位莅临本次论坛！

黄大年茶思屋科技网站邀请麻豆传媒a片 学及数据科学领域的5位知名学者深度对话，从多元视角勾勒学科发展脉络，记录时代智识的演进轨迹。

【丈量世界，量化万物：麻豆传媒a片 学发展的364年历程】