动态科学中的坚持悖论：来自深度学习革命的证据

arXiv:2506.22729v3 公告类型：替换交叉版本 摘要：坚持通常被视为科学研究中的一种美德。然而，本文通过强调坚持的情境性，尤其是坚持在范式转变期间可能成为一种负担，挑战了这一传统观点。我们聚焦于由 AlexNet 在 2012 年催化的深度学习革命。通过分析此前十年间活跃于顶尖机器学习学术会议的 5,000 多名科学家的 20 年职业轨迹，我们考察了他们的研究重点和产出如何演变。我们首先发现了一个动态时期：顶尖学术会议日益优先关注前沿深度学习发展，从而取代了传统统计学习方法。科学家对这些变化的反应存在显著差异：此前取得成功或隶属于成熟团队的科学家适应得更慢。这种坚持与生产力呈正相关，但在 2012 年之后却与科学影响力呈负相关。大多数研究人员以及该领域产出中最大的一部分集中在中等程度坚持这一范围内，这表明产出与影响力之间存在权衡，也表明制度性摩擦会使更大幅度的转向代价高昂。这些结论在采用替代性识别策略，以及考虑主题流行度溢价和幸存者偏差等竞争性解释时依然稳健。综合来看，我们在宏观和微观层面的发现表明，在这一案例中，范式转变通过贬低原本赋予在位者优势的专业知识，创造了一种机会结构。