共计 1934 个字符，预计需要花费 5 分钟才能阅读完成。
Open AI 的科学家，Sora 项目的共同负责人
William Peebles，于 2023 年从加州大学伯克利分校获得博士学位，导师是 Prof.Alexei Efros。
在博士生涯的 3 年 9 个月中 ，他仅发表了 2 篇第一作者的论文：
1. The Hessian Penalty: A Weak Prior for Unsupervised Disentanglement
2. GAN-Supervised Dense Visual Alignment
此外，他在毕业时还有 2 篇论文正在投稿：
3. LEARNING TO LEARN WITH GENERATIVE MODELS OF NEURAL NETWORK CHECKPOINTS
4. Scalable Diffusion Models with Transformers（已中稿，Sora 的关键技术之一，将扩散模型与变换器结合，但扩散模型最早是由“德国慕尼黑大学”提出的）
另一位：
Sora 项目的共同负责人是 Tim Brooks，他同样是 UC Berkeley 的 Prof.Alexei Efros 的学生，2023 年获得博士学位（博士生涯 3 年零 5 个月，发表 3 篇第一作者论文）
Tim Brooks 是 Sora 项目的共同负责人，也是 UC Berkeley 的 Prof.Alexei Efros 的学生，还是 DALL·E 的作者，2023 年博士毕业，博士生涯 3 年零 5 个月中有 3 篇第一作者论文：
1.Hallucinating pose-compatible scenes（2022）
2.Generating long videos of dynamic scenes（2022）
3.Instructpix2pix: Learning to follow image editing instructions（2023）
值得注意的是：他在博士的第三年才开始发表论文。
此外，在攻读博士学位之前，他在谷歌工作了两年，期间发表了两篇论文：
1.Learning to synthesize motion blur（2019）
2.Unprocessing images for learned raw denoising（2019）
实际上，中国学术界的论文数量及引用量已经超过美国（当然大约 70% 的引用来自国内），但客观而言，基础性的创新贡献仍显不足，许多高校的“优秀博士毕业生”或“招聘标准”往往以“论文数量”为依据。
——
那么，基于论文数量的考核方式是否合理？工作的实际价值是否应该更加受到重视？
希望大家能表达自己的看法，共同为国内科研环境的改善提供建议。
说句实话。
Sora 的成功与这两位年轻的博士负责人关系不大。真正的成功因素在于 Ilya 自公司成立之初就设定的生态扩展基调。这一点至关重要，数据和计算能力的保障才能支撑各种应用场景。先有了 GPT 系列，接着才有了 Sora，这些都是基于这个生态发展出来的应用产品。
至于这两位博士，最多算是 Efros 的学生而已，他们在生成领域有一些专业知识。然而，Sora 的成功与他们之前的工作之间的关系值得怀疑。从公开的技术报告来看，DiT 与数据扩展的结合并不是这两位博士之前所做的，甚至也不是 Efros 的风格。实际上，Efros 的研究风格更适合在学术界争取资金，其研究问题往往小众而独特，实际需求上却相去甚远。我们面对的是 Efros 的学生，只能说他们的能力还不错，但所做的工作与实际应用脱节。
再回到 OpenAI，Ilya 的设定准确且始终如一。大家可能都忘了 Goodfellow 在 OpenAI 工作一年多后离开的原因吧？因为 GAN 的表现不如扩散模型，尤其是在扩展之后，差距愈加明显。因此，在 OpenAI 工作的人都必须接受 Ilya 的这套理念，不愿意的就只能离开。因此，许多硕士和本科生在这里默默工作，遵循着老实的工程师路线，创新的算法并不多。而与之相比，在其他学术机构的博士生的工作风格完全不同，所以 OpenAI 很难吸引最顶尖的博士（仅从发表的论文来看）。而 Efros 的这两位学生本身实力一般，其他顶级实验室也未必愿意接收，他们在 OpenAI 正好找到了位置，获得了一些成果。
当然，这并不是说这两位博士不努力，实际上能做出 Sora 已经非常了不起了。但要强调的是，他们的成功更多归功于 Ilya 构建的生态系统，而与 Efros 的做事风格并没有太大关系。因此，我们不必过于夸赞 Efros 的贡献。
