这问的是研究作为一种日常实践的内部结构：问题从哪里来、如何选择能解决的那一个、卡住时做什么、合作与工具如何分担劳动。它容易被误解成「天才是怎样想出来的」，把研究浪漫化为灵感的闪现；也容易被反向简化成论文生产流程。真正的问题在于，从困惑到确证之间那段不可见的工作是怎样被组织的。

当模型能生成假设、写实验代码、给出证明草稿并自我核查，「想—试—验证」这个循环中原本由研究者亲手完成的环节将大量外包，一天里手工推导和调参的时间可能缩短到几分钟。研究者留下的工作会转向定义值得问的问题、审查一堆看似正确的答案、以及为一个自己没有逐步走过的结论负责。这不仅重排研究者的日程，也重新定义什么叫「理解了」一个结果。

AI 把它重新问了一遍：

当 AI 进入实验与证明的循环，研究者的一天会变成什么样？