我把老師的學術成績單翻出來了，想找我能接下去做的東西

講者小金是一位AI研究生，想要了解導師的研究軌跡中是否有自己可以接棒的課題。他從Google Scholar開始爬梳導師的公開學術紀錄，首先映入眼簾的是兩個數字：19,000多次引用與H指數63。要理解這代表什麼，需要了解H指數的含義——它意味著導師有63篇論文，每篇都至少被引用63次。這個指標很難造假，因為它同時要求產量和質量。物理學家賀錫在2005年為此制定了參考標準：20分是成功的科學家，40分是傑出通常只出現在頂尖大學，60分以上是「獨一無二的人物」。美國國家科學院生醫領域的新科院士平均H值約50。儘管AI領域論文產量和引用速度遠快於物理領域，不能直接比較，但63仍屬於頂尖行列。

更耐人尋味的是趨勢分析。導師成績單上90%的引用來自最近五年半。年度引用數從2020年的700多次增長到2025年的4,500多次，五年增長了6倍多。即使把所有舊帳全部歸零，只從2021年重新計算，分數也幾乎沒有掉落。用白話說，導師不是在吃老本，而是正站在巔峰上。講者統計了導師十年發表的全部論文（一共434篇，多數是最近五年發表），平均每年近60篇——等於每週都有新論文。這個實驗室是用衝刺的速度在跑一場馬拉松。

透過Scolar GPS這個專門做學者排名的網站查詢，答案更直接：導師在最近五年是升學領域的世界第一名，語音處理領域的世界第二名。這個平台收錄了3,000多萬名學者。講者詳細閱讀了導師的論文，整理出十年地圖，發現研究涵蓋七個主題：從機器不靠人類標注學會聽，到解剖自監督表徵，再到蓋評測帝國、把文字領域的方法搬進語音、打造語音大模型、評估模型可信度，最後回頭質問自己蓋的考場——那些評測基準到底測到了什麼。其中最被引用的三篇論文超過1,200次，包括建立語音模型統一評測標準的SoftTOPT、用舊數據預測未來的論文，以及探討大型語言模型能否代替人類評分的論文，後者甚至開創了全新領域。

但講者發現了一個模式：導師十年內建立了至少30座評測基準，卻多數停留在「診斷」階段。實驗室很擅長指出問題，卻很少動手修復。許多論文的故事就在發現洞察後嘎然而止，診斷很強，修復很少。這留給接棒者一個巨大的機會——承接這些還沒等到下文的診斷書。

講者因此提出三件接棒任務。第一，重新設計機器聽力學的評測方法。現在是用考卷題庫問語音模型「你聽到了什麼」，但導師的實驗室已證明考卷會騙人——只是把選項順序打亂，模型分數就會大幅波動。講者自己驗證過：直接問一個商用語音模型「這段聲音有幾秒」，它答得出來；換成二選一「哪一段比較長」，它就亂猜。問題不在聽力，而在考卷。未來應該改用人類聽力檢查的方法，為每個模型測出一張聽力圖。第二，檢測模型的誠實度。語音助理答錯的時候，口氣是否跟答對時一樣自信？目前還沒找到人做過這項研究。第三，建立模型地震觀測站。因為AI不用睡覺，可以每天記錄商用語音模型的行為有沒有偷偷改變，蓋一座公開的觀測站。

講者把這三個想法告訴導師，導師只回了一句：「你說想修復，可是我看你的題目都還是在診斷。」這句話擊中了要害。講者意識到這三件事的入口都是量測，他的真實回答應該是：先把量尺修好，用壞掉的尺測模型只會越修越歪。第二件的後半段才是動手修，讓模型答錯時聲音真的聽起來沒把握。整段只能是起點，不能是終點。用老話說，就是破而厚厲——指出毛病，然後補成指出毛病並動手自豪。

講者坦承，這些目前都還只是提案和初步實驗，整支影片導師本人也沒有檢查過，可能有錯誤。但最後他分享了自己的感受。導師的H值是63，他的是0，但他讀得完導師的每一篇論文，也接得住導師還沒修完的洞。站在導師的肩膀上，他看到的不是終點，而是一條由導師親手拆穿的一個個問題鋪成的路。