大模型时代的CV学术危机之辩

第 1 集 · Michael Black 发长文反思大模型时代学术 CV 研究出路(2026-09-09,7 条)

资深计算机视觉学者、马普所研究员 Michael J. Black 在赴 ECCV 2026 之前发长文，探讨大模型时代学术计算机视觉研究的角色与出路，引发学界讨论。他自 1992 年起参加 ECCV，观点具有代表性；MIT 教授 Phillip Isola 等同行随后加入讨论，形成一场关于学术研究定位的公开思辨。

已确认

• Black 今年的论文 VIGA 采用 agentic 方法，输入图像、输出 3D Blender 场景（Vision-as-Inverse… 思路）。该文首发即被拒，延迟发表后已被更强大的模型超越。
• Black 在文中提出核心疑问：在模型日益强大的当下，学术计算机视觉研究还有什么意义？GPT-6「Astra」是否是阶跃式变化？研究者今天如何在学术界产生影响力？
• MIT 教授 Phillip Isola 回应这一提问，指出一个方向是少做「解决任务」、多做「理解解法」：他认为一篇分析 Astra 加开源模型如何工作的论文可能有更大价值。
• 在长文后续中，Black 回应评论并进一步阐述担忧，指出学术界无力评测顶级模型是关键问题，需要模型公司、政府与学术领袖协同解决。

为什么重要

• 这场讨论折射出基础模型能力快速迭代对传统学术研究范式的冲击：论文出炉即过时，学术界的比较优势正在从「造模型」转向「分析与理解」，甚至「评测」本身也成为学术界难以独立承担的任务。
• Black 与 Isola 分别代表「反思者」与「给出出路者」两种声音，为青年研究者在大模型时代选择研究方向提供了参考框架。

• CV 老将 Michael Black:ECCV 论文出炉即过时,学界该换了打法 — Michael_J_Black · 2026-09-09
• CV 老将发问：大模型时代学术界该扮演什么角色？ — CharlotteHase · 2026-09-09
• Max Planck 研究员：ECCV 才了解 VIGA 已太迟，视觉研究转向大模型驱动 — Michael_J_Black · 2026-09-09
• Phillip Isola：别再追任务，去研究 Astra 级模型的解法本身 — phillip_isola · 2026-09-09
• Michael Black 谈大模型时代学术 CV 研究的出路 — CSProfKGD · 2026-09-10
• 大模型时代学术界计算机视觉研究还有何用？ECCV老将的反思 — prof_kamilov · 2026-09-10
• CV 大佬 Michael Black 长文:大模型时代学术界该如何自处 — Michael_J_Black · 2026-09-10

第 2 集 · GPT-6 后 ECCV 弥漫挫败感，CV 论文两年即过时(2026-09-17,6 条)

GPT-6 发布后，计算机视觉学术圈出现明显挫败情绪。Letian Wang 在 X 上发文称，多位参加 CVPR 的资深学者（含 Michael Black 等自 1990 年代起从业的研究者）表示相当失望；他参加 ECCV 后才理解原因——会上公开讨论传统 CV 研究还有多少会被大规模基础模型吸收，ECCV 上的挫败感比 CVPR 更明显。该观点引发社区共鸣，Igor Carron 等多人转发讨论。

已确认

• Letian Wang 转述多位 CVPR/ECCV 资深与会学者感到失望，ECCV 上情绪更重，背景是 GPT-6 的发布。
• Michael Black（Max Planck 所长）在 ECCV 表示，今天看到的论文很可能已落后两年，两年足以让研究失去意义。
• Black 以其参与的 VIGA 论文为例：VIGA（Vision-as-Inverse-Graphics Agent）由伯克利等机构发布，是一个多模态智能体，输入单张图片后通过「分析-合成」循环，在 Blender 中以交错多模态推理和不断演化的上下文记忆，用 vibe coding 方式生成 3D 场景，被称为首个解决该问题的系统。
• VIGA 作者反思：学术界缺少算力来评测顶级模型，其 ECCV 论文已落后两年，方法被 Claude Code 方案反超。

为什么重要

• 这不是单点情绪，而是 CV 社区十五年内第二次被颠覆（此前深度学习已颠覆过一次传统方法），涉及学术研究的定位与经费、算力分配的根本问题。
• VIGA 案例具体展示了学术工作被通用大模型/Agent 快速超越的现实速度，为「论文发表即落后两年」的说法提供了实证注脚。

• ECCV 现场弥漫挫败感:GPT-6 后传统 CV 研究走向何方 — CSProfKGD · 2026-09-17
• CVPR 后学界弥漫挫败感:15 年两度被颠覆的 CV 社区何去何从 — IgorCarron · 2026-09-17
• ECCV 现场弥漫挫败感：传统 CV 研究会被基础模型吞并吗 — broodsugar · 2026-09-18
• Michael Black:ECCV 论文发表即落后两年,CV 学术研究何去何从 — FinanceYF5 · 2026-09-18
• ECCV 论文已落后两年,VIGA 被 Claude Code 方案反超 — FinanceYF5 · 2026-09-18
• VIGA 作者反思：学术界缺少算力评测顶级模型，ECCV 论文已落后两年 — FinanceYF5 · 2026-09-18

第 3 集 · VIGA 线程：先榨干大模型再做研究，发表周期致认知过时(2026-09-18,2 条)

延续 Michael Black 的 VIGA 讨论线程，作者主张学术研究起点应改变：每个项目先尽可能用现有大模型解决问题并详析其失败原因，只有确认当前模型无法解决后，新方法才值得做，且其洞察必须能扛住下一代模型。Black 还指出学术研究从阅读论文开始，但研究、实验、投稿、发表耗时约两年，新发表的论文可能建立在过时认知上，许多传统问题还没走完发表流程就被大模型超越。

• 论文发表周期两年,认知早已过时被大模型超越 — FinanceYF5 · 2026-09-18
• VIGA 线程续：先榨干大模型，再做研究，洞察须扛住下一代模型 — FinanceYF5 · 2026-09-18

第 4 集 · 学者呼吁大模型时代学术研究应先验证现有模型再创新(2026-09-18,2 条)

Max Planck 学者 Michael Black 在 VIGA 讨论线程中提出，大模型时代学术研究需要改变起点：每个项目应先尽可能用现有大模型解决问题，详细分析其表现与失败原因，确认无法解决后再做新方法，且新方法须能经受下一代模型检验。他还批评当前审稿过度强调技术新颖性，驱动研究者微调架构而非推动领域前进，并建议论文新增章节专门评测现有大模型在该任务上的表现。

• Max Planck 学者：大模型时代学术研究应先验证现有模型再创新 — FinanceYF5 · 2026-09-18
• VIGA 线程续：论文应新增章节，专评当前大模型在该任务上的表现 — FinanceYF5 · 2026-09-18