上海AI lab什么来头，好厉害，挺高产?

2023-02-12汽车

我说一个问题，上海 AI Lab 发的论文，除了 " 他们自己人 " 和 " 与他们有关系的人 (上海 AI Lab，港中文，商汤，新家坡国立，南洋理工) "，全世界哪个科研机构的研究人员能复现他们的文章? 即便用了他们的所谓的开源代码，你也得不到他们声称的论文中的结果。

我列举几个开源代码，如下:

GitHub - OpenDriveLab/PersFormer_3DLane: [ECCV2022 Oral] Perspective Transformer on 3D Lane Detection

GitHub - OpenDriveLab/OccNet: [ICCV 2023] OccNet: Scene as Occupancy

GitHub - PJLab-ADG/OpenPCSeg: OpenPCSeg: Open Source Point Cloud Segmentation Toolbox and Benchmark

https:// github.com/cardwing/Cod es-for-PVKD

https:// github.com/OpenDriveLab /UniAD

并且，上海 AI Lab 相关研究人员回复别人对他们论文结果以及代码实现的质疑时的骚操作如下:

比如直接关闭未解决的 Issues. How many GPUs did you use · Issue #4 · cardwing/Codes-for-PVKD 和 SoTA results config file · Issue #19 · PJLab-ADG/OpenPCSeg

2. 开源代码基本耍猴? https:// github.com/cardwing/Cod es-for-PVKD/issues/12 (仔细看他们的开源代码就会发现，除了从别人的 github 上 copy 代码到自己的 github 里面，自己论文中的实质性代码，基本上不开源，各种 tricks 论文中基本上不说明。这难道不是学术不端? https:// github.com/PJLab-ADG/Op enPCSeg ) About mIOU score · Issue #17 · cardwing/Codes-for-PVKD

https:// github.com/cardwing/Cod es-for-PVKD/issues/29

Some Questions on the results in the paper and the posted training logs · Issue #145 · OpenDriveLab/UniAD

Potential misleading parts in the paper and code · Issue #161 · OpenDriveLab/UniAD (这篇还是所谓的 CVPR Best Paper)

这么回复良心不会痛吗? 你们开源的很多代码，是啥样子? 你们自己不清楚? 你们写论文的时候，如何故意忽略一些 Tricks 的，难道自己心里不清楚?

从发表的文章和开源的代码来看，这些人就是一帮急功近利，甚至毫无学术底线的人。如果说这些人是中国 AI 领域的佼佼者，那么中国的 AI 和欧美的 AI 相比，人才品质上差距过大，技术上的差距也是必然的结果。

也许，这就是上海 AI Lab，一个高薪造纸机工厂。

更新 2024.2.22:

建议上海 AI La b 仔细学习以下课程并通过测试:

【学术规范与论文写作】第1讲_哔哩哔哩_bilibili

Tutorial and Tests, School of Education, Indiana University Bloomington

2. 建议上海 AI Lab 自己审查论文写作和开源代码，提供详细的 Technical Report 或者相关 Blog 帮助别人复现你们的工作, 并且完善代码.

如果不及时纠正自己的错误，还想继续当造纸机也没关系 ~ 那就等着大家锤你们吧 !

更新 2024.2.23：

昨天看到有人在评论区提到了OpenDriveLab 的 Team Leader (李 Sir?) 点进个人主页看看，发现了如下的内容:

诚实地说，如果李老师代表 OpenDriveLab 或者部分代表上海 AI Lab, 这种说法无疑令人失望。

一个 Team Leader 兼厉害的研究者应该是什么样呢? (以下是我个人观点)

遇到别人对自己工作的质疑，要积极回复和应对。比如说, github 上开源的代码有问题，最好的回应是积极修复代码问题。具体点，比如计划 2 个月之内修复开源代码的所有问题，同时及时回复同行提的 issues；
以此为例，给团队定下规矩。a) 此后发表的论文，其中所描述的内容足以让同行研究者复现，达到论文中声称的结果。b) 非商业，可以开源的代码，做到尽善尽美。具体点，比如需要什么硬件环境? 需要什么配置参数? 每一步该如何操作？等等都需要详尽说明。
（如果有剩余精力）积极传播知识，帮助新来者。发表在著名会议和期刊上的文章只是第一步，给同行甚至其它领域的研究者普及你们的工作也很重要（非炫耀性质）。我想，给别人详尽介绍自己的工作，让别人理解自己的工作，应用自己的工作，本身就是一件很开心的事情吧。

下面我再例举2个案例:

1.GitHub - PRBonn/kiss-icp: A LiDAR odometry pipeline that just works 这个Robotic 领域的开源代码，我个人非常喜欢。它开放给社区，所有的人都可以贡献自己的代码，完善这个代码. " We envision KISS-ICP as a community-driven project, we love to see how the project is growing thanks to the contributions from the community. We would love to see your face in the list below, just open a Pull Request !"

2. Request for help with understanding the poses · Issue #78 · PRBonn/semantic-kitti-api 这是我个人喜欢的一个研究者对待新手以及别人提的 Issue 的态度. (注: 查看更完整的对话，请点开链接)