什麼樣的科研是頂尖的科研？

12-31

「什麼樣的科研是頂尖的科研？」——我想這是每個有科研品味的科研工作者都該捫心自問，或起碼應該有意識去思考的一個問題。

私以為：

大道至簡的科研工作是頂尖的。能用極簡的方式發現和揭示事物運行的規律，無疑頂尖。布鞋院士李小文曾說過，「科學本身就應該追求簡單性原則，任何事情都是越簡單越好。」拿本人比較熟悉的人工智慧領域中計算機視覺和機器學習方向的科研為例，Leslie Valiant的PAC learnable學習理論可謂簡單直觀，但老爺子照樣藉此獲得2010年圖靈獎；David Lowe的局部特徵描述子SIFT也是大道至簡的典範。SIFT本身計算簡單、運行高效、魯棒性佳，可很好描述圖像特性，在深度學習改朝換代前統治了計算機視覺10餘年之久。到今天，發表SIFT的論文被引超41000次。另一例是spatial pyramid（圖像金字塔），思想合理且直觀，可大幅提高圖像識別準確率，特別是其思想還和後來的深度學習結合碰出火花，即Kaiming的[1406.4729] Spatial Pyramid Pooling in Deep Convolutional Networks for Visual Recognition 如此「肉體隕滅，靈魂猶在」的工作豈不是頂尖？

引領方向的科研工作是頂尖的。一項工作足以「指點江山、開創天地」，無疑頂尖。有時一項工作發現了一個值得解決的問題或昭示了些值得進一步深入研究的現象，必然完虐為科研而科研的微創新，這種引領方向的科研就像發現了一座未開發的金礦，金礦打開（工作發表）的當天便引得眾人紛至沓來。這其中就包括燃起深度學習新一輪熱火的G. E. Hinton等人的一系列工作，這一波熱潮不僅體現在學術界研究的繁榮，它更引發相關技術產生了巨大的現實影響力和商業價值。再如Generative adversarial networks，在大家對無監督深度學習一籌莫展艱難前行時，GAN大筆一揮，畫出了一條可能的「通途」。後來，依託GAN的應用幾乎每天都推陳出新，花樣百出。如此「一石激起千層浪」的工作豈不是頂尖？

填補空白的科研工作是頂尖的。發現了前人未發現之重要規律，無疑頂尖。需強調，並不是所有填補空白的科研都是好工作，有的工作毫無意義，無人問津，如此這般的「填補空白」自然也便失去了光彩。稱得上「頂尖」，必然是填補了重要發現。如視覺三大頂會之一ECCV 2014的最佳論文提名[1311.2901] Visualizing and Understanding Convolutional Networks。當眾人沉浸在用深度模型瘋狂刷新各項CV任務分數新高的時候，該文作者通過對CNN有效的可視化，一定程度解釋了CNN的工作機理，為今後深度模型的使用、設計和發展奠定了堅實基礎，值得一提的是，文中的一些發現現今已經成為深度學習中的常識被本領域人熟識。

好了～上面談了那麼多，我更想說，並不是每個科研道路上的人都能做出能入「方家法眼」的扛鼎之作，其實只要能做到無愧我心、儘力而為的自我極致，這，就該算是某種程度的「頂尖」了

不過，真要做出頂尖科研又豈非一朝一夕：大道至簡固然漂亮，但需厚積薄發；引領方向固然豪邁，但需持之以恆；填補空白固然過癮，但需敏銳洞察。最後謹以臨川先生《游褒禪山記》中的一句與諸君共勉：

「而世之奇偉、瑰怪，非常之觀，常在於險遠，而人之所罕至焉，故非有志者不能至也。」

很多答案其實是在說頂尖「科研成果」，我感覺「頂尖科研」更關乎科研態度。

著名歷史學家、清華校友何炳棣先生曾在自傳《讀史閱世六十年》中提及著名數學家林家翹的一句囑咐：「要緊的是不管搞哪一行，千萬不要做第二等的題目。」

具體到每個領域，什麼是一等的題目本身見仁見智，其實更指向內心「求真」的態度，是否將從事科研的題目作為自己的「責任」，而非僅為謀生的「工作」，我感覺這也許就是做「頂尖科研」的體現，也是做出「頂尖科研成果」的必要條件。

那些兢兢業業、為了內心使命而奮鬥的科研工作者們，在我心目中都在從事著頂尖科研。

個人觀點，僅供參考。:)

標準肯定不是唯一的，個人比較相信以下的兩條標準：

1： 改變對原有問題的看法

原有問題越牛逼，你改變得越深刻，你的研究就越牛逼。比如愛因斯坦的相對論。類似武俠小說中，要證明自己的牛逼直接上少林寺去踢館。

突然明白為什麼那麼研究機器人的喜歡以人和動物為目標，這是在挑戰大自然啊！

2：看連接點的數量和質量

這條類似互聯網的某些東西，看羅胖子喜歡用這個詞。一個網頁的排名的高低，直接取決於連接到他上面的網頁的數量和質量。

research基本也一樣，好的research都有很多的連接點，比如引用數量，科技轉化率，社會影響等等，基本都是連接點的數量。

歡迎補充。

物理，凝聚態理論。

給非物理坑的解釋一下，上面兩個人分別是Elliott Lieb和Alexei Kitaev。都是廣受崇拜的數學物理學家。

Lieb的主要工作總結在了這幾本論文集中:

1. Inequalities: Selecta of Elliott H. Lieb.

2. Condensed matter physics and exactly soluble models: selecta of Elliott H. Lieb.

3. The stability of matter: from atoms to stars. Selecta of Elliott H. Lieb.

4. Statistical Mechanics: Selecta of Elliott H. Lieb.

關於Kitaev，上面提到的一百頁論文是這個:

Alexei Kitaev, "Anyons in an exactly solved model and beyond", Annals of Physics 321, 2-111 (2006).

Kitaev在其它領域也有重要貢獻，例如拓撲量子計算。

我對這兩個人最佩服的地方在於他們總能做出很多嚴格解，這在凝聚態理論中是相當難得的，也不是一般人能夠做到的。這在我心目中算是頂尖的科研工作。

說一下一位運籌學領域的「大師」，以及我和他之間一件影響我至今的小事。

首先背景介紹，他叫Warren Adams, 美國Clemson大學數學系運籌專業教授，整數規劃領域的大師，與其導師H. Sherali一同開創了一套解決離散、非凸優化的方法：Reformulation-linearization technique（RLT），獲得了08年運籌和管理科學領域論文的最高獎INFORMS Frederick W. Lanchester Prize，以及96年INFORMS的計算獎（Computing Society Price），無數後人在此基礎上填坑。此外他還獲得了不下150w刀的美國各個機構的Funding.

以他為例，我覺得頂尖的科研必須包含以下要素：

1，開創性：

開闢一個新的領域，而不是一味的填坑以及水paper。

2，匠人精神，不追名逐利：

他一輩子勤勤懇懇地在做運籌學的理論研究，雖然運籌在實際應用中很廣，例如航空公司航班排班和時刻表的問題--做應用輕輕鬆鬆就可以搞個大公司的諮詢顧問或拉無數工業界的funding。

運籌學在航空中的應用正是我上他第一節運籌學課時他舉的例子，我也因此順利地入了運籌的「坑」。有興趣的朋友可以看看我在下面的回答，中間有當初上課的這一細節：

運籌學在航空業有哪些應用？ - 知乎

最近和很多人工智慧領域的教授聊天，聽到最多的一句話便是：「這年頭不搞深度學習就拉不到funding阿。」於是一批又一批的教授入坑深度學習，敢問這樣利益驅動的科研，會導向頂尖么？

3，政府和學校對創新型基礎研究的環境和資金支持：

追求短平快的政府，會給基礎研究150w刀的funding么？

基礎科研難出成果，有時候幾年不能發一篇paper，是否視為未完成指標fire教授？

4，對科研的摯愛甚至奉獻精神：

我就說說當年那件小事。

故事背景是，我和碩士小老闆一起在做大老闆（他）的一個很理論的課題，做到節骨眼上卡了好幾周沒有進展了。一天，我們三個人例行的meeting，人剛到齊一進他門，他便像小孩一樣興奮地說:" I have good news! Last night, I had a great idea in my dream, and I found out that it is correct!" (我有好消息！昨晚我夢到一個想法，今天我驗證了一下發現它是對的！)

於是我碩士論文最關鍵的證明在那個meeting後的下午便成功攻克了，我用筆在一張紙上驗證了其正確性。（最終成果發表在了運籌學雜誌Journal of Global Optimization上）

-------------------------------------------------------------------------------------------------------------------

碩士答辯會後，他對我碩士論文的評價："This is not just a master thesis, this is already 1/3 of Ph.D. thesis."（這不僅僅是碩士論文，這已經是1/3的博士論文了）暗示了我博士論文可以照著此方向繼續做下去。

雖然最後陰差陽錯地沒有成為他的博士生，跳槽來了德國通過歐盟瑪麗居里這個平台也和不下十個教授有過深入合作。但是一直到現在，他都是我最敬重的教授，沒有之一。

註：他科研頂尖的同時教學也盡心儘力，每堂課自己寫版書，學生作業和考試的批改全部親力親為。（一次我被分配到做他的助教，然後一學期都沒事幹。要知道美國一門課每學期有6-8次作業，3-4次考試。）另外他計算機、編程能力很弱，那時仍使用著windows 98操作系統，打字只用倆根手指，極慢。

最後附上他的個人主頁：

https://mthsc.clemson.edu/directory/view_person.py?person_id=3

以及我的運籌學專欄，希望推廣運籌學在中國的普及，以及它（優化）在人工智慧中的作用：

[運籌帷幄]大數據和人工智慧時代下的運籌學 - 知乎專欄

運籌學--一門建模、優化、決策的科學 - 知乎專欄

說一個我們內分泌領域裡程碑式的科研——

丹麥的STENO-2研究。

160例患者的研究可以發新英格蘭，你信不信？

看看STENO-2的研究設計和主要結果吧：

（懶得自己寫了，諾和諾德醫學資訊上面抄的）

Steno-2研究為一項開放性、隨機對照試驗，將160例T2DM合併微量蛋白尿的丹麥籍患者隨機分為常規組和強化多因素干預組。常規組依據丹麥國家指南進行治療，強化多因素干預組進行飲食運動、嚴格的降糖、降壓、調脂及阿司匹林抗血小板聚集等治療。此後分別在3.8年、7.8年、13.3年進行隨訪，對糖尿病併發症、全因死亡等多方面進行評估，結果顯示出強化多因素干預組的明顯優勢。具體結果如下：

3.8年隨訪結果：強化多因素干預組可減少73%進展至糖尿病腎病的風險，55%進展至糖尿病視網膜病變的風險，及68%進展至糖尿病自主神經病變的風險；

7.8年隨訪結果：強化多因素干預組可顯著降低大血管併發症的發生風險達53% ；

13.3年隨訪結果：強化多因素干預組可明顯降低全因死亡風險達46%。

我的碩導，某內分泌領域大牛曾經說過，好的科研分為三種：

使勁砸錢的，設計精巧的，以及使勁砸錢+設計精巧的。第三種就是能發五大雜誌的。

而STENO-2證實了，設計精巧的研究甚至於不需要砸很多錢就可以發新英格蘭，Diabetologia等一系列牛逼雜誌。

該研究依我愚見，有兩大亮點：

第一是強調糖尿病人的多因素干預，包括飲食運動、降糖、降壓、調脂及阿司匹林。

第二是時間節點選的好，3.8年看小血管病變，7.8年看大血管病變，13.3年看全因死亡風險。

區區160人的「小研究」，由於設計精緻嚴謹，結果真實有用，成為糖尿病研究和治療史上不朽的里程碑。

問問自己的內心，做科研的目的是什麼？不為名，不為利，只為能夠在未來（這個未來可能是十年，可能是五十年，可能是一百年）造福人類，基於這個前提才有可能做出頂級的科研。這是必要條件。國內有很多學者，包括國外的，都是為了灌水，即使是nature，science也不例外。本人從事的通信行業，當今世上我只發現一位這樣的人，就是UC bekely的David Tse。他在一個方向只發一篇文章，從來不多發，只解決根本問題和關鍵問題，剩下的遺留問題給其他人解決。這種人，他不僅給後人提供了方向，養活了很多科研工作者，更多的是提供了新的思路。這種人，他的頂級，根本毋庸置疑。我總結就是：開拓新的路，讓更多的人進入。

相反，大部分科研工作者都是，迫於文章壓力或者職稱壓力，在一個方向上使勁的發文章，或者用一個理論，使勁地在不同的領域發文章。這種人，也是很厲害的人物。可以說，這種人很大程度是靠勤奮堆積起來的。這種人我總結就是：走自己的路，讓別人無路可走。

在我看來，第二類人最多算是牛人，不能算是頂級的科研人才。頂級的人，不單單是有很好的科研能力，還一定是能夠幫助其他人以及整個行業的人成長。如果一個行業，只有那麼一個團隊在玩，這個行業是不可能集大成的。

像數學上有很多猜想，為什麼那些猜想如此重要，不單是因為它們難，更多的是一旦解決它，就可以立馬延伸到其他很多行業，這就是頂級科研，一旦你解決一個問題，解決一個點，這個點就好像原子彈一樣會迅速爆炸，影響全世界。

這也是為什麼，很多人把，神學建立在哲學之上，哲學建立在科學之上的另一個原因。神學從某種程度上而言，也是給絕大多數人洗禮，哲學亦是如此，科學次之。但是一個人，只有通過科學來證明自己，才能慢慢體現自己的哲學觀甚至是神學觀。

敢啃別人不願意啃的硬骨頭。

人容易懶，容易相信直覺不願意做科學但是冗長的計算，容易急著把現有的結論當工具用而不問其所以然，容易人云亦云。

更甚著，這種一味求結果不求甚解的思維方式會在短期內給自己些結果，因為只盯著結果。於是越發肯定自己這樣的工作方式。於是由懶至驕，止步不前而渾然不覺。

「用懷疑的眼光看一切」這樣的科研口號誰都會喊。可是真正的懷疑不是簡單想想，保持不迷信的態度那麼簡單，而是要身體力行去推算，論證，實驗，去把基本定理公式都吃透。這懷疑精神的成本很高，不是誰都願意付出。真正願意的學者，做的就是頂尖的研究。

好問題。

頂尖的科研用四個字可以形容：不可替代。

這個不可替代有三個意思：

1，這個工作是不是不可替代？也就是說，假設完全沒有這項工作，對整個學術體系有多大的影響？亦即：這項工作能不能繞過去？

2，做工作的這個人是不是不可替代？換句話說，給同樣的資源，換一個人還能不能拿到相似的結果？

3，這個工作可不可以跨時間替代？換言之，這個工作有沒有立即完成的必要，能不能緩一緩，放一放，把資源放在更緊迫需要解決的地方？

我們舉個大家都熟悉的例子，青蒿素。為什麼青蒿素的諾貝爾獎給了屠呦呦？

確實，當時全國有很多組都在試圖從植物葯中提取抗瘧疾因子，也做了很多辛苦的工作，最後青蒿素的分子測定也很重要，但是，只有屠呦呦提出的用乙醚提取活性因子，才是真正不可替代的。剩下的事情，隨便換一個組都能做。

我們再舉個大家都熟悉的例子，愛因斯坦廣義相對論裡面，關鍵的場狀態方程需要用到非歐幾何，但是數學不好，所以得到了希爾伯特的大力幫助。據說最終提出場狀態方程，希爾伯特還比愛因斯坦早幾天。有人問希爾伯特，為什麼廣義相對論發明權是愛因斯坦的？

希爾伯特說：哥廷根馬路上的孩子都比愛因斯坦懂四維幾何。

什麼意思呢？因為愛因斯坦已經想到了廣義相對論的物理意義，不會用數學表達而已。用非歐幾何把愛因斯坦的想法表述出來不難，是個數學家都能做，而只有愛因斯坦的想法才是不可替代的。

上面說的都是人的不可替代性，我們再來講工作的不可替代性。

舉個喜聞樂見的例子，剩餘價值理論。這個工作或許有一定的解釋能力，但是現在整個經濟學體系已經完全不需要這個理論了，邊際效用理論已經完美的替代了剩餘價值理論。這就是為什麼所謂西方經濟學大行其道，而馬經則無人問津的原因。事實上，即使是中國，歷屆央行貨幣委員會委員都是西方經濟學出身，而不是馬經出身。

我們最後來講講跨時間的不可替代性。

再舉個例子，一般來說，最近幾十年的諾貝爾物理學獎，從出成果到最後發獎，要等20-30年，但是，掃描隧道顯微鏡（STM）是1981年發明的，1986年就拿了物理學獎。為什麼獎發得這麼快？因為太多人等著有一個儀器去觀測微觀世界了，發明了STM就意味著一大批相關研究可以在STM的基礎上開展，做出一系列的工作。

明白了這個三個不可替代，我們就能知道為什麼牛頓是歷史上最偉大的科學家。

第一：在當時所有人都試圖研究科學的時候，只有牛頓率先提出了一系列理論奠定了整個科學體系的基礎。

第二：在宏觀低速情況下，牛頓的運動學定律是所有人都繞不開的。

這同時也可以解釋，為什麼楊振寧是比大多說諾貝爾獎得主更偉大的物理學家：楊-米爾斯規範場論很可能是解釋整個宇宙的理論中繞不開的一環。

第三：當時確實沒有比這更重要的科學問題了。

這裡面的關鍵是四個字：學術品味。

學術品味是什麼呢？學術品味就是判斷學術工作的輕重緩急。

學術品味是衡量一個學者能力的核心素質。當學者能夠明白什麼是重要的，什麼是好的工作，就會指引自己和未來者投身重要的工作。

我們知道，研究是有機會成本的，無論是青年學生，還是科研經費，都是稀缺的。你只有把有限的資源投入到最重要的工作中去，才能獲得最大的收益。

試著用「不可替代性」這個框架，可以解釋很多問題：

為什麼兩彈一星的二十幾個元勛裡面，于敏的地位如此的高？因為當時資源非常緊缺，做氫彈理論的人很少，把于敏換別人上，很可能中國的氫彈就搞不出來。

為什麼那麼多人黑中醫？因為不用中醫的歐洲人和日本人都活到了80歲以上，因此，整個中醫的理論體系可以完全繞過去，可以用西醫替代。

為什麼楊振寧認為我們不應該馬上修建大型加速器？因為這個項目耗資太大，不急於解決，可以跨時間替代。

這也是我們為什麼要不遺餘力的勸退化學和生物的原因：這些工作雖然看起來重要，但是產業界根本沒有足夠的錢進行投資，換言之，世界用錢投票，認為這不是急於解決的問題，可以緩一緩，放一放。真有用得上化學和生物的時候，再投資完全來得及。

說一個感觸特別深的人例子吧。

一次下午四點多的時候留在了專業大樓里沒事，離食堂開飯還有一個小時（霧），看到系裡有個報告，就想坐那兒打發時間，本來也沒指望自己能聽懂啥，畢竟當時才大三，而且科研這種東西，大家都知道各行如隔山。

我去的時候已經講到一半了，更不可能聽懂了。然而，聽到報告者帶有東北味的腔調，還是被吸引了：

「我學生跑過來問我，是不是這麼做，我說你這玩意兒不行，回去再琢磨。過了幾天，學生又來，他說老師你這不對，按我意思就對了。我說那你來吧。結果實驗特別好。」

「我們的結果跟同行比，全面超越同行，除了去MIT做的那個，那結果都趴地上。MIT這器件太複雜了，又超真空，高壓，這玩意兒不行。」

「我們做化學的人不一樣，沒必要條件那麼嚴格，不像物理，我只要保證環境不干擾我的結果就好了，你裡面愛有啥有啥，不用非得那麼苛刻。」

「你問我這個，實話說，我也搞不清楚，現在這些東西也沒誰能搞清楚，機制還是太複雜了。」

「諾貝爾獎我得不了，只能說我做的好，能把提出這個東西的先生推到諾貝爾獎的台上。」

我不知道能還原多少當時演講者的自信、誠實、謙虛、豁達的風範。那是我第一次看到有人可以對MIT、nature上的結果品頭論足，對自己的結果充滿自信。那不是故弄玄虛，不是佯裝自大，是充分實驗過後自然而然的自信，是柳暗花明之後自然而然的誠實，是見識過汪洋大海般知識之後的謙虛，是知道喜馬拉雅山究竟有多高之後的豁達。

他就是彭笑剛，我的物理光學課上的老師說他是現今少有的仍然扎紮實實做學問的人；我的本科科研的導師說從他那裡獲益匪淺。

彭教授也許終其一生無法和愛因斯坦等人相提並論，但我想說這已經足夠回答題主的問題了，這就是頂尖的科研。

最後想說的是，是彭教授的半個報告告訴我，科研是可以這麼做的，而這麼做的科研是多麼純粹而富有意義的。

同意什麼樣的科研是頂尖的科研？ - 知乎劉老師的回答。

我導師的導師曾經說過：你們要做研究，就要研究first order effect，不要去研究second order effect，更不要研究third甚至fourth order effect。

試舉一例，在美國，由於股權是分散的，所以公司中的人之間利益衝突主要體現在股東和管理層之間。但是，在中國，如果我們套用美國的研究思路，去討論股東和管理層的利益衝突，則落入了second order effect之流。中國的上市公司特點是每一個公司都有一個大股東，所以，中國的上市公司最主要的利益衝突集中在大股東和中小股東之間。這才是中國的first order effect。當然，政府的角色也不同，可能中國政府（在市場中的作用）更是一個first order effect。

跟劉老師大概意思相通的吧。

第一類科研成果，偏實用的。

這一類科研成果的檔次劃分的標準簡單粗暴——是否能解決實際問題以及解決的問題是否廣泛重要。譬如說，一種能直接治病的藥物，一種能在極複雜地質條件下修地鐵的方法，一款好用的製圖軟體。。。。。。

頂級科研舉例：青黴素醫療功效的發現以及藥用青黴素的提煉

——————————

第二類科研成果，偏理論的。

頂級——奠定新框架、給出新方法。

一流——研究的課題比頂級的小。其科研結論大大出乎同行意料之外，卻又在情理之中。

二流——與很多同行腦子裡的常識相吻合或者偏離不遠，只不過用很嚴謹的手法又論證了一遍。

頂級科研舉例：微積分的發明

——————————

天賦不行的人靠勤奮強行搞科研，到第二類的二流就算極限了。

想像力與嚴謹，後者是後天刻苦可以磨練的，但是學術想像力這件事不大容易練習。偏偏好的理論經常要靠想像力。

看到挺多人說到好的科研就要不為名不為利，只為了理想。

這個說法當然沒錯，但我自己從事了一段科研工作之後，會在此之上略有些其他的感受。簡言之的話就是，能做出頂尖研究的人，需要具備的除了理想和天空，往往都需要願意腳踏實地，先為自己爭取到能夠作出頂尖研究所需的資源。而這個爭取資源的過程，未必會顯得那麼優雅。

要作出頂尖的研究，絕大部分情況你需要有足夠的資源，包括但不限於實驗設備，調研經費等等，以及最最重要的，好的學生。如果沒有這些，在我了解的很多領域（尤其工科，文理科不太了解），幾乎不可能作出最頂尖的科研。如果你空有理想，你怎麼搞來這些資源？你自己沒有成果（最俗的說，就是paper），好學生為什麼要來選你做導師？

別人沒有理由為你的理想買單；所以你需要讓別人相信你的籌碼。

我漸漸覺得，作出最頂尖的科研的人，他們最後或許是抱著不為名不為利，只為了理想的信念。但在他們最初起步階段，我越來越覺得他們是那些目的更明確，對自己一步一步階段要達成的成果（比如發出多少文章，評到優青或者傑青等稱號，國外的話就是tenure副教授、教授）有非常明確的規劃，並有極強的行動力去達成這個規劃的那些人。在這過程中，做的研究未必就是心中的理想，但一定是為了他/她能達成自己階段目標最有利的事情。

然後，當他/她終於能夠獲得資源，真正有自由去做自己想做的研究的時候，那他就能再去朝著最頂尖的科研邁進了。

我相信最頂尖的研究一定屬於不忘初心的那批研究者。但或許在很長一段他們往上爬的時間中，這些研究者看上去做的事情，就是既為名，又為利。但他們心中，我想總會留著一塊地，正等待著時機作出真正的爆發。

Search是頂尖的Research

我認為，任何判斷都需要一個標準或準則。同一個事物，以不同的標準來判斷，會產生迥異的結論。那麼，所謂「頂尖」是指科研成果，還是科研的條件和手段？

如果是指成果，那麼所謂「頂尖」是指先於其他人得到了某種結論或發現(a)，還是指科研成果能經得起時間考驗(b)，抑或是指成果對人類社會的現狀或未來有非凡的意義(c)？如果是(a)，那麼是因為擁有傑出的人才，還是因為科研投入大，或是因為某種巧合？如果是(b)，那麼是因為某個假說相比類似假說更接近真理而很難被超越，還是他人對此並無繼續探索的興趣，無人挑戰？如果是(c)，那麼，是指對人類當前社會的意義，還是未來社會的意義，是指對全人類的貢獻，還是之於某個國家、某個群體的意義？

如果是指條件和手段，那麼所謂「頂尖」是指研究工具先進(d)，還是指手段獨特(e)？如果是(d)，那麼是指儀器精度高、性能好，還是更省時省力？如果是(e)，那麼是指手段另闢蹊徑，還是指科研方法嚴格符合某種科學道德觀？

無論以什麼樣的標準來衡量，竊以為「頂尖」往往意味著出類拔萃，而科研作為一項人類活動，要超凡脫俗自然離不開以下因素：

興趣。科研的動力是人類探索自然的興趣、改造自然的追求。有了興趣，就有了持之以恆、孜孜不倦、勤勤懇懇的精神動力。
素質。科研人員的智商、對基礎知識的掌握和理解，對思維方法的駕馭能力，對科研工作的熟練程度，對科學道德的堅守，以及團隊合作意識等都是十分重要的，這與良好的基礎教育以及科研素質的培養密不可分。
投入。科研，尤其是基礎科研，往往沒有直接的經濟回報。因此，科研嚴重依賴來自外界的投入。這就取決於公共及社會機構對科研的支持。
運氣。除了人的因素外，運氣往往也很重要。

言歸正傳，我個人的觀點是：科研是人類探索自然、改造自然的活動，是創造和積累知識的過程，是一項公益性質的活動，知識不應以高低貴賤來區分，因此，我認為「頂尖」這種價值判斷不是很適合用在科研上。

最頂尖的科研是 0級近似（提出這個方向的 framework）

但大部分人做的都是一級、二級、甚至 N 級近似，在 framework 的細節上修修補補。

舉個例子，固體熱容理論裡面，Einstein model 就是零級近似，Debye mode 屬於一級近似，後面的人做的屬於更高級近似，雖然越來越精確，但從開創性來講遠不如 Einstein 那個簡明粗糙的理論。

蒲慕明講過兩點，我覺得很好地定義了頂級研究的維度：Innovation Importance。

前面很多人說隨心所欲、追求好奇，這就是Innovation，但這樣的工作未必都是最好的。很多人做的東西是很獨特的，NS上常有一些讓人拍手稱奇的東西，但同時真正有taste的人也就看看而已，權當奇聞趣談，不會認為它是多頂尖的工作，因為它不夠重要，不會打開一個大格局。

反之亦然，在特定重要的領域中，更上游的工作當然是更根本性的，哪怕看起來多麼粗糙。很欣賞前面Zxdgh君所言的「零級近似」。

最偉大的工作不是被引用最多的，而是別人不需要引用的。

我就說我心目中最top 的研究

一種是有很好的眼光

大家都在做二階優化演算法的時候把大家目光帶回一階的人

在大家小數據svm狂做想到未來數據會很多去創建imagenet

第二種有很好的突破

比如顯示錶達改為隱式表達的level set

可以開始做半監督學習的GAN

改變結構的ResNet

論頂尖的科研，我只服凡偉科學家提出的最新理論，電荷並不存在！！！！

重磅，中國科學家發現電荷並不存在，將改寫教科書-搜狐

多麼頂尖的科學，滿篇的積分公式，就問你怕不怕，嚇得我褲子都掉了？？

崇拜的我瑟瑟發抖，估計麥克斯韋，愛因斯坦聽到會笑死吧~~ 哈哈