recruitment_cn.md

AI 全过程写 Nature 子刊，我们试试

原文发布于微信公众号「海洋遥感学习」，2026-06-03

有一个想法在脑子里转了很久：如果让 AI 从头到尾主导一篇论文的写作，人类只做把关和纠正，最终能不能达到 Nature 子刊的水平？

不是让 AI 润色一下摘要、改改语法那种。是从选题、文献调研、数据分析、物理解释、到最终成稿，AI 做主力，人来兜底。

或许在海洋遥感领域还没人试过。所以我们打算试一次。

一个公开透明的实验

这不是一篇已经写好的论文拿来包装。这是一个从零开始、全程公开的探索性实验。

我们会选定一个研究方向，用 AI 大模型作为核心生产工具，从文献阅读、研究设计、数据处理、图表制作到论文撰写，尽可能让 AI 完成。人类参与者的角色是：审核、纠偏、补充 AI 做不到的物理直觉和领域判断。

选题失败、数据跑不通、AI 犯低级错误、审稿被拒——这些都可能发生，也都会被看到。这本身就是实验的一部分。

研究方向

目标期刊：Nature 子刊（Nature Geoscience、Nature Climate Change、Nature Communications 等）。

研究方向不限于以下任何一个，也欢迎交叉：

• 卫星海洋动力遥感（高度计、SWOT、SAR 等）
• 物理海洋（中尺度涡、内波、环流变异等）
• 海气相互作用
• 极地海洋与冰冻圈

选题本身也是实验的一环。如果你有一个觉得"值得做但自己没时间做"的 idea，这可能是一个机会。

工具和数据

核心工具： AI 大模型（Claude、GPT 等），辅以常规科研软件（Python、MATLAB、GMT 等）。AI 负责文献综述、代码编写、数据分析、图表生成、论文撰写。

数据来源：

• 公开数据：CMEMS、ERA5、Argo、AVISO、SWOT L3/L4、WOD 等
• 私有数据：我们团队自主采集的现场观测资料——来自青岛安海自主研发的国产低成本高精度小型化 GNSS 波浪潮汐一体观测浮标，已在多个海域积累了连续的波浪、潮汐和海面高度实测数据，部分数据尚未公开发表，适合作为卫星遥感验证或独立研究的第一手资料

我们不回避使用 AI 的事实。如果最终投稿，会在方法部分如实说明 AI 的参与方式和程度。

你可以做什么

这不是一个人关起门来的项目。我们希望组建一个小型工作组，共同推进。

参与者可以贡献的方向包括：

• 提供 idea 和研究框架。 你可能在某个方向上有观察、有直觉、有未成型的假设——把它拿出来，AI 帮你验证和推进。
• 数据分析与解读。 AI 可以跑代码、画图、拟合模型，但判断"这个结果在物理上说不说得通"仍然是人的工作。你的领域知识是 AI 最需要的补充。
• 审核和纠错。 AI 会犯错，有时候错得很自信。它可能编造参考文献，可能搞错物理量的量级，可能在推导中跳步。有人盯着这些，论文才有质量保障。
• 跟踪前沿文献。 帮助确认选题的新颖性，避免重复已有工作，找到合适的对标论文。

根据实际贡献，参与者可以署名。

为什么做这件事

过去两年，AI 在科研写作中的能力提升有目共睹。但多数应用仍停留在辅助层面——翻译、润色、格式调整。很少有人认真测试过：如果把 AI 放到主导位置，它的天花板在哪里？

我们想回答几个问题：

1. AI 目前能独立完成一篇高水平论文的百分之几？
2. 它最容易在哪些环节出错？
3. 人类最不可替代的贡献是什么？
4. 这种人机协作模式，效率到底如何？

答案可能令人振奋，也可能令人失望。但无论如何，试过才知道。

参与方式

如果你对这个实验感兴趣，欢迎联系：

• 私信留言，简要说明你的研究方向和想参与的方式
• 我们会组建工作组微信群，定期同步进展、分配任务、讨论问题

不要求全职投入，不要求固定时间。你可以深度参与选题和分析，也可以只在关键节点帮忙审核把关。

唯一的要求：对这件事真的好奇。

---

这是一次实验，不是一个承诺。我们不知道最终能不能发出来，但我们会认真地试。如果你也想看看 AI 做科研的真实边界在哪里，来一起折腾。