曾几何时计算机科学还是人人追捧的"金饭碗"，高薪就业代名词，而哲学则被嘲讽为"毕业即失业"的典 型代表。然而时代的风向说变就变，最新就业市场数据显示计算机科学毕业生失业率飙升至百分之六点 一，几乎是哲学专业三点二失业率的两倍。那些曾经嘲笑哲学找不到工作的人突然发现，这个世界已经 开始奖励深度思考者，而曾经稳坐神坛的码农们正在经历行业寒冬的残酷洗礼。这场就业市场的惊天逆 转背后，究竟是短期波动还是长期趋势？哪些力量在悄悄重塑我们的职业价值观？ 计算机行业的黄金时代似乎正遭遇前所未有的挑战。过去十多年里计算机科学被奉为"最稳的选择"，高 薪有前景容易就业成为无数学生和家长的坚定信念。然而就在最近这段时间，这个神话突然破碎。曾经 引以为傲的失业率数据已经飙到令人担忧的水平，所谓的"铁饭碗"正在投资者眼前裂开。更让人意想不 到的是，这种就业困境并非个别现象，而是整个专业的系统性调整，从麻省理工学院斯坦福到卡内基梅 隆伯克利等精英院校的毕业生，进入科技大厂的比例从百分之二十五骤降至百分之十一到十二，整体就 业率也从八成跌到七成，在短短两年时间内实现直线腰斩。 那些曾经自信满满的计算机毕业生突然发现，自己不仅要与同龄人竞 ...

允中 发自 凹非寺 量子位 | 公众号 QbitAI 2025中国计算机大会（CNCC2025）定于10月22日至25日在黑龙江省哈尔滨市举办，大会主题为"数智赋能，无限可能"。 9月12日，CNCC2025新闻发布会在北京成功举行。中国青年报、中国科学报、人民网、南方都市报、央广网、财经、搜狐科技、网易科技、 智东西等媒体及机构出席发布会。 （CNCC2025指导委员会主席、CCF理事长，中国工程院院士，中国科学院计算所研究员孙凝晖） 大会副主席、程序委员会主席 於志文 教授就大会报告及论坛组织情况作了说明。本届大会紧扣"数智赋能，无限可能"主题，结合地域特色， 共设置19场特邀报告、3场大会论坛及154场专题论坛。已邀请的特邀报告嘉宾包括欧洲科学院院士，意大利博洛尼亚大学教授 Sumi Helal ；香港浸会大学教授，美国国家工程院院士 C. Mohan ；CCF荣誉会员、东京大学教授 喜连川优 ；CCF会士、副理事长，中国科学院院 士，清华大学教授 胡事民 ；中国科学院院士，西北工业大学教授 黄维 ；CCF会士，中国科学院院士，哈尔滨工业大学教授 李惠 ；CCF会 士，中国工程院院士，北京航空航天大学教 ...

全球高被引科学家排名 - Yoshua Bengio以总引用量973,655次成为全球首位全领域最高被引科学家 其中近五年引用698,008次 占比71.7% [1][4][5] - Geoffrey Hinton以总引用952,643次位列全球第二 近五年引用577,970次 占比60.7% [8][9] - 何恺明以总引用733,529次排名全球第五 近五年引用617,328次 占比84.2% [13][14] - Ilya Sutskever以总引用67万次进入全球前十 近五年引用50万次 [16] 计算机领域顶尖学者表现 - 全球前十榜单中计算机科学家占四席 包括Bengio、Hinton、何恺明和Sutskever [7] - 何恺明研究的ResNets被Nature评为21世纪被引最高论文 其提出的Faster R-CNN和Mask R-CNN推动目标检测技术发展 [15][16] - Hinton团队开发的AlexNet在2012年ImageNet挑战赛夺冠 其反向传播算法成为神经网络训练基础 [10] 计算机学科细分排名 - 计算机领域前十包括Ross Girshick（总引用607,220次）、Andrew Zisserman（总引用477,577次）、Yann LeCun（总引用418,003次） [22][23] - Ian Goodfellow以总引用373,308次位列第八 近五年引用298,169次 占比79.9% [24] - Jeff Dean和Oriol Vinyals同样进入计算机学科前十 [22] 排名方法论 - AD Scientific Index覆盖262万名科学家和221个国家 采用H指数、i10指数和总引用量等多维指标 [26] - 评估兼顾职业生涯总影响和近五年活跃度 包含两个时间框架和六个核心指标 [29][31] - 数据实时更新并筛查学术不端行为 提供13个主要学科和221个细分学科对比 [29][30]

核心观点 - 清华大学与IDEA研究院提出GUAVA框架，仅需0.1秒即可从单张图像创建可驱动的上半身3D高斯化身，支持实时动画和渲染 [1][5][37] - GUAVA是首个从单图生成3D化身的框架，无需多视角视频或单人训练，解决了现有方法在ID一致性、实时渲染和面部表情捕捉上的局限性 [5][9][12] - 实验显示GUAVA在PSNR（25.87）、SSIM（0.9000）、LPIPS（0.0813）等指标上全面优于2D/3D方法，重建速度达0.1秒，渲染帧率52.21 FPS [22][23][24] 技术方法 模型架构 - 引入EHM（Expressive Human Model）结合SMPLX与FLAME模型，通过两阶段追踪实现单图到姿态的精确估计，提升面部表情和手势捕捉能力 [12][13][36] - 采用双分支模型：模板高斯分支预测几何结构，UV高斯分支通过逆纹理映射生成精细纹理，组合后形成完整的Ubody高斯 [14][15] - 神经细化器优化渲染细节，最终支持基于新姿势参数的实时变形与动画 [16][17] 性能优势 - 重建效率：GUAVA仅需98毫秒完成重建，而3D方法ExAvatar需2.4小时，GaussianAvatar需1.3小时 [24] - 渲染质量：在自重演场景下PSNR达25.87，跨重演场景身份保留分数（IPS）0.5554，显著优于2D方法（如MagicPose PSNR仅21.25） [22][25][24] - 泛化能力：对未见区域和极端姿势表现鲁棒，克服了3D方法的伪影问题 [28][29] 实验验证 数据集与对比 - 训练集包含62万帧上半身视频，测试集覆盖58个ID，对比MagicPose、Champ等2D方法及GART等3D方法 [18][19][21] - 定量指标：PSNR、SSIM、LPIPS评估图像质量，ArcFace计算IPS衡量ID一致性 [20][30] 消融实验 - 移除神经细化器导致SSIM下降至0.8851，LPIPS增至0.1060；禁用逆纹理映射使PSNR降至25.65 [32] - 未使用EHM模型时PSNR为25.60，证明其对表情捕捉的关键作用 [32] 应用与资源 - 适用于电影、游戏、虚拟会议等领域，实现逼真且低成本的3D化身生成 [4] - 代码已开源，提供论文、项目主页及视频Demo [38]

论文研究成果总结 论文1 - 提出类别级几何学习框架用于三维点云分割的域泛化问题 通过几何嵌入感知点云细粒度属性并构建类别级几何属性 耦合几何嵌入与语义学习提升泛化能力 [1] - 引入几何一致性学习模拟潜在三维分布并对齐类别级几何嵌入 使模型关注几何不变信息 实验验证该方法在域泛化三维分割中具有竞争力 [1] 论文2 - 开发分层变分测试时提示生成方法 通过Hyper Transformer动态生成文本/视觉提示 解决传统方法提示模板固定导致的领域适应性问题 [3] - 采用变分推理减轻提示模板敏感性和分布偏移 通过分层条件提示捕捉深层上下文依赖 实验显示该方法在零样本准确率上达到SOTA [3] 论文3 - 提出知识引导部件分割框架(KPS) 利用大语言模型构建部件结构知识图谱 通过结构知识引导模块将关系信息嵌入视觉特征 [5][6] - 设计粗粒度物体引导模块增强整体类别感知 实现复杂场景下的精细部件分割 突破传统方法忽视部件结构联系的局限 [5][6] 论文4 - 构建TopicGeo统一检索匹配框架 通过CLIP提示学习嵌入文本语义主题 消除多时相遥感图像的类内/类间分布差异 [9] - 采用中心自适应标签分配与离群点剔除机制优化检索匹配流程 实验表明该方法在召回率和匹配精度上均优于分离范式 [9] 论文5 - 提出视觉语言交互关系挖掘模型(VL-IRM) 通过多模态交互学习解决开放词汇场景图生成中的关系感知缺失问题 [11] - 开发关系生成模型增强文本模态的开放式关系探索能力 利用视觉引导扩展关系文本空间语义 实验验证其广义关系表征优势 [11] 论文6 - 设计VGMamba网络实现三维视觉定位 包含属性Mamba、位置Mamba和多模态融合Mamba三模块 通过SVD分解与滑动窗口捕获属性特征 [13] - 提出属性到位置线索推理机制 融合语言查询与点云空间信息精准定位目标物体 在复杂语义查询场景下表现优异 [13] 论文7 - 创新动态中心距离(DCD)度量 通过元学习框架计算特征空间样本难度 解决噪声标签学习中简单样本主导问题 [15] - 结合DCD与半监督训练策略 聚焦硬样本优化分类损失 在合成/真实噪声数据集及医学图像中验证鲁棒性 [15] 论文8 - 提出BuCSFR方法实现粗标签到细粒度表征学习 通过自底向上构建树状图适应动态类别变化 无需预定义类别数量 [17] - 基于最小信息损失准则迭代合并实例 利用EM框架协同优化树状图构建与特征可分性 在物种识别等任务中表现突出 [17] 论文9 - 开发类别特异选择性特征增强模型 针对长尾多标签分类中样本稀缺类别敏感性丧失问题 利用类激活图定位关键区域 [19][20] - 设计渐进式注意力增强机制 按头部-中部-尾部类别顺序提升低置信度响应 实验显示其在标签不平衡场景下的泛化优势 [19][20] 论文10 - 建立部分匹配子图定位框架 通过高斯分布建模跨模态歧义性 放宽指令文本与点云地图严格对齐假设 [22][23] - 提出不确定性感知相似性度量 将定位阶段的不确定性传播至场景识别阶段 提升真实噪声场景下的任务协同性 [22][23] 学术会议背景 - ICCV 2025为计算机视觉A类顶会 本届收到11239份投稿 录用率24% 将于10月19-25日在夏威夷举办 [25] 技术社区资源 - 具身智能之心知识星球聚集近1500名开发者 覆盖40+开源项目与60+数据集 涉及VLA、VLN、Diffusion Policy等前沿方向 [29][30] - 3D视觉之心社区聚焦三维重建、NeRF、SLAM等技术 提供行业交流与求职对接服务 [26][27]

计算资源理论突破 - MIT理论计算机科学家Ryan Williams最新研究颠覆传统认知 证明少量计算内存比大量计算时间更具理论价值 该成果打破计算机科学界50年来的固有观念[1] - 研究建立数学程序可将任意算法转化为占用空间显著更少的形式 空间需求降幅达时间预算的平方根级(O(√t log t))[1][14][16] - 该成果不仅揭示空间约束下的计算范围 还首次严格证明有限时间内无法完成的计算类型[3] 计算复杂性理论发展 - 1965年Hartmanis和Stearns开创性定义时间与空间的数学概念 奠定复杂性分类基础[5] - P类(多项式时间可解)与PSPACE类(多项式空间可解)的关系成为核心问题 学界普遍认为PSPACE包含更多难题[6][7] - 1975年Hopcroft团队首次建立时空关联 证明空间至少比时间略强 但后续研究陷入50年僵局[7][8] 关键技术突破路径 - 2010年Stephen Cook提出树评估问题 但证明存在内存占用假设的漏洞[10] - 2023年James Cook与Mertz推翻刚性存储假设 开发出空间效率显著提升的新算法[10][12] - Williams将Cook-Mertz算法扩展为通用工具 通过分块计算(t/b个块)和隐式树构造实现空间复杂度突破[14][15][16] 理论意义 - 采用柔性石子(squishy pebbles)存储模型 突破Paul等人证明的通用模拟不可能性[8][14] - 计算图规约至树评估问题的创新方法 使空间复杂度从线性关系降至平方根关系[15][16] - 虽无直接应用价值 但为P与PSPACE关系问题提供全新研究路径[14][16]

学术会议社交策略 - 计算机科学家Gautam Kamath提出在大型学术会议中建立有效社交联系的具体方法，尤其针对内向型研究人员[2][3] - 核心建议包括寻找共同研究兴趣、利用茶歇/海报环节搭讪、加入群聊等，强调"每个人都属于这里"的归属感[6][7] - 特别指出大规模机器学习会议（NeurIPS/ICML/ICLR）与其他类型会议的差异，如理论计算机科学会议通常不设海报环节[7] 社交价值分析 - 科研社交具有双重价值：既带来人际乐趣（如全球旅行交友），也促进职业发展（长期学术合作）[9] - 研究人员职业路径稳定，会议上结识的人可能成为终身同事，共同参与学术服务至65岁退休年龄[9] - 区别于功利性"建立人脉"，强调真诚交友对科研群体的重要性[10][11] 具体实施方法 - 初级策略：跟随善于社交的导师引荐，典型场景为导师牵线学生间的学术交流[14] - 自主社交技巧：直接讨论对方论文内容（对同级更有效）、发现共同合著者或导师关系[15][16] - 最佳时机选择：茶歇（63%参会者倾向社交）、海报展示（82%展示者期待交流）、会议午餐等场景[18][22][23] 场景化沟通技巧 - 破冰话术包括"今天下午期待哪个报告"等开放式问题，兼具了解对方兴趣与获取领域动态双重功能[21] - 走廊交流被证实有效，资深研究人员平均每天仅能专注听取1-2场演讲，其余时间适合非正式交流[22] - 会前邮件联络需精准定位潜在合作者，避免盲目群发带来的低响应率（成功率<30%）[23] 后续关系维护 - 会议期间可组织WhatsApp群聊（使用率75%），主动提议聚餐/观光能提升社交影响力[27] - 长期维护方式包括邮件跟进研究讨论（合作转化率15%）、异地访问时约见（维持率62%）等[27] - 建议新人避免全程固定社交圈，应与不同群体互动以扩大接触面（最优接触组数≥3）[23] 特殊场景应对 - 需规避的社交时机：对方匆忙赶路（拒绝率89%）、打电话（干扰度100%）或照顾儿童时[24] - 应对虚假社交的方法包括设定退出机制（85%受访者采用）、与亲密同事恢复能量等[30] - 时差影响下，选择会场附近住宿可使休息效率提升40%，避免FOMO（错失恐惧症）心理[31] 群体特征洞察 - 计算机会议参与者普遍存在社交焦虑，数据显示92%自认"书呆子"，但正形成互助性社交文化[32] - A型人格研究者更倾向结构化社交策略，B型人格则偏好灵活方式（适应差异度73%）[33] - 小型会议（<200人）因主题集中度高达90%，社交匹配效率比大型会议（>3000人）高2.3倍[7]