落差来自评价标准换了,不是你的努力贬值了;先承认旧标准下的成绩真实存在,再用自己的长期目标决定哪些能力保留、哪些活动让位。
AI根据立正公开的文章和视频整理,不是他本人回复。重要的判断,请回到出处核对。
换的是尺子,不是你的价值
奖学金按硕士论文打分,你在这把尺子上确实不占优,这是事实,不必用“经历很珍贵”去否认它。但同一件事换个标准看就不同:你拿到的荣誉来自学业、组织、公共参与和跨文化交流的综合表现,说明那些能力在另一套体系里被认真衡量过。打分思维的危险在于,它让人只盯着能量化的部分,把复杂的世界看简单,也让人很难真正快乐1。所以失落可以承认,但别把“这次没拿一等奖”读成“过去几年白过了”——那只是两把尺子量出的不同结果。
用十年后的目标筛能力,而不是用当下指标
判断哪些能力该留,可以问一句:如果不用现在这套评价,针对我真正想解决的问题,最合理的做法是什么2。科研深耕是博士阶段的主线,但“主线”不等于“唯一”。组织协调、公共表达、跨文化沟通这些能力,如果指向你未来想做的事(带团队、做交叉项目、进入国际学术圈),它们就不是要放下的爱好,而是可以换一种方式继续积累的资产;如果只是惯性参与、并不指向任何长期目标,那才值得主动让位。立正自己也说过,他选择少赚一些、多把时间放在生活和修心上,但看到别人更高效、更红时仍会心有不甘,需要克制自己不去做那些本可以做、但选择不做的事3。这说明取舍的难处不在想通,而在长期忍受“本可以”的诱惑。
给自己一套不靠奖项结算的标准
AI推演你可以试着做一件小事:把博士期间真正想积累的东西列出来,分成“必须靠论文体现”和“论文体现不了但十年后仍重要”两类,然后只对第一类设硬指标,对第二类设最低投入线(比如每周固定留出一点时间)。这样做不是逃避评价体系,而是让你清楚哪些努力是在为奖学金服务、哪些是在为自己服务。观察一段时间后,如果第二类持续被挤到零,说明你正在被当前标准完全定义;如果它稳定存在且不影响主线进度,说明你找到了两者共存的节奏。
材料没有针对工科博士评价体系或奖学金规则的具体讨论,上述取舍框架需要你结合本校实际要求判断。
出处
- 1第05课|警惕「打分思维」,接纳多样的世界
解释打分思维为什么让人只盯可量化部分、并因此难以快乐,适合核对心理落差这一层。
- 2通过Jev,辨清AI新技术的叙事陷阱:谁替你决定了什么叫“厉害”?
讲清评价标准应由自己的任务决定、以及如何找真正合理的比较对象,适合核对“哪些能力该留”。
- 3立正本人的话 · 让心自由,才能更好地活着|对话《金刚经50讲》王路
立正本人谈自己少赚多体验、以及克制做“本可以做的事”的难处,适合核对取舍的长期代价。
你也有想问的?
卡住的时候,问问立正:回答附有出处,可以点回原文核对。
也可以接着问:
别人还问了
- 全面发展的人进入科研体系,哪些能力其实可以直接转化为科研优势?
可塑性和判断力是科研里最直接能转化的两项:前者让你从导师和同行那里快速吸收隐性经验,后者决定你选什么问题、怎么取舍。
- 有个投资人讲 alexzandra wang
最直接的是周楠那期访谈,标题就点明他讲 Alexandr Wang 为什么是顶级创始人;片段里还提到 Scale AI 在 2021 到 2022 年因自动驾驶降温而客户变少的转折。
- 找到10%高价值的工作,但是在AI时代,对于data scientist来说,高价值的工作是什么呢?我觉得我之前很多的高价值的工作现在都没有价值了,而且留不下来,而且别人不会觉得是我做的。
AI 让“处理信息”这件事变便宜,所以数据科学里原来值钱的分析、建模、报表正在贬值;新的高价值位置是判断该做什么、把模糊问题变成可执行系统,并对结果负责。
- 为什么个体AI用的很好但是整个公司团队没有上来?
个人用得好,是因为他一个人就能把背景、判断和反馈闭环起来;团队上不来,是因为这些能力散在每个人脑子里,组织结构和激励又没跟着改。
- 职业院校实训科教师(体制内)+ 个人开发者/IP 运营者。想请您诊断我这套工作流架构:① 最脆弱、迟早出事的一环是什么?② 最过度建设(投入产出最差)的一环是什么?③ 如果只能再做一件事,您建议做什么?
最脆弱的是学生数据与云服务混用的那条链路;最过度建设的是多设备、多模型、多平台的全互联架构;如果只做一件事,先给「学生数据不可上云」划出一条可验证的物理边界。
- 我每天很忙,但不知道工作有没有价值,怎么识别 fake work?
识别 fake work 的关键不是看你有多忙,而是追问:这份产出完成后,下游会做出什么不同的决定或行动?如果多生产十份,真实结果也不会更近,那它很可能只是让你感觉在前进。