路易斯·巴塔利亚与若昂·巴塔利亚：费曼图书馆与研读论文的艺术

公元前六世纪，萨摩斯岛上的人要从山另一侧把泉水引进城里。修高架渠不可行，山形不对，而且一旦被围城，敌人只要破坏渠道，城里就断水。他们决定从山体两端同时开挖，让两支队伍在山肚子里会合。

两千年来，希罗（Hero of Alexandria）留下的解释被当成定论：工程师在山外测出一个直角三角形，两个入口分别位于斜边两端，再在各自入口按比例缩小画出小三角形，箭头自然指向对方。这个方案在纸上漂亮得像教科书插图。

后来一位数学家跑到现场，用脚把山量了一遍。他发现误差是致命的。按希罗描述的方法，测量误差会随距离一路累积，等两支队伍挖到中间，很可能横向错开好几米，谁也见不到谁。真实可行的办法朴素得多：三根杆子，像步枪准星那样前后对齐，沿着山体侧面一段段延伸等高线，最后把线引到对面。

这篇论文收录在费马图书馆（Fermat's Library）上，页面两侧挂着一排批注，解释古希腊罗马时代用来定线的仪器长什么样、怎么用。两千年的错误解释被一条注释推翻，而这条注释的作者是个数学家，没有考古学背景。

把论文变成一块可以踩上去的公共地面

费马图书馆做的事听起来很小：让任何人可以在学术论文的页边空白处写东西。点开一份 PDF，两侧是批注列表，点开一条，侧栏展开，支持 LaTeX 和 Markdown。作者可以把论文里那个「显然可得」的跳跃步骤补上中间三行推导，也可以解释一个只有圈内人才懂的符号约定。

它的起源是四个人长期的一个习惯。若昂（João Batalha）学计算机，路易斯（Luís Batalha）学物理，两个人加上另外两个朋友，多年来一直在做读书会：各自读论文，然后讲给对方听。因为背景不同，讲的过程本身就是翻译。后来他们想把这个过程搬到线上，就有了这个站。

名字来自费马大定理。皮埃尔·德·费马（Pierre de Fermat）是个律师，业余玩数学，他在一本丢番图著作的页边写下那句著名的话：这个命题我有一个绝妙证明，可惜这里空白太小写不下。这一写不下，就是三百年，直到安德鲁·怀尔斯（Andrew Wiles）拿出三百页的证明。费马图书馆的名字取的就是这个意象：页边空白里可能关着巨大的势能，值得有人花力气把它释放出来。

论文背面藏着的东西，读者从来不知道

路易斯提过一个想法：如果大多数论文除了摘要，还有一个「背景故事」章节会怎样。

费曼（Richard Feynman）那篇量子电动力学的论文就是好例子。写这篇论文之前，他正处在一段很暗的时期，对物理失去了热情，不想再解物理题。某天他在康奈尔的自助餐厅里看见一个人往空中抛盘子。他注意到盘子在空中同时有两种运动：一边晃动，一边盘面上的校徽在旋转。他算出了这两种运动的方程，这个计算又把他引向相对论里的电子轨道，一路通向那篇最终让他拿到诺贝尔奖的论文。

一个餐厅里的盘子，救回了一个人的科学生涯。这件事读者在论文正文里一个字都看不到。

伊恩·古德费洛（Ian Goodfellow）的 GAN 论文也一样。费马图书馆为这篇论文办过一次 AMA，任何人都可以提问，古德费洛本人在线回答。他顺带讲了那个已经被讲成传说的事：想法是在酒吧里跟人争论出来的，当晚回家就实现了。

艾兹格·迪杰斯特拉（Edsger Dijkstra）的最短路径算法，是他在阿姆斯特丹一家咖啡馆的露台上用二十分钟想出来的，当时没有纸也没有笔，全程在脑子里推。这件事反过来解释了算法为什么那么简洁：脑子能同时装下的复杂度有限，约束逼出了形式。

知道这段背景，你对这个算法的记忆会牢固得多。路易斯的说法是，背景故事让知识变得可记忆，可记忆的知识才会沉淀下来。

牛顿的苹果是编的，他的炼金术是真的

这类故事容易被讲成浪漫化的「灵光一闪」，但真实的人格往往更 messy。

牛顿的苹果大概是后人加的。真正被史料坐实的是另一面：他花了大量时间在炼金术上，认真写，认真想，还长期钻研《圣经》解读，试图从中推算预言。这些内容在给小孩子的科普里通常被删掉，但它们确实是这个人的一部分。

Lex 在对话里给了炼金术一个漂亮的辩护：它象征着对不可能之事的执着。绝大多数突破在被做出来之前都像不可能。人类飞行曾经是不可能，往原子里塞一个质子造金子在今天技术上可行，只是贵得离谱。站在牛顿的时代，炼金术的荒谬程度未必比当时其他一些后来被证实的想法更高。

若昂补了一句更冷静的观察：灵光一闪的频率跟领域的成熟度有关。机器学习领域的 arXiv 论文里，大约一半是过去十二个月内上传的。一个还在指数扩张的领域，自然到处都是低垂的果实，一个人一台机器一晚上就能从想法走到实验验证。数学这种成熟领域，剩下的问题都得靠七年。

一个说「我不够格」的人

路易斯提到弗里曼·戴森（Freeman Dyson）时，语气变了。他曾经发邮件邀请戴森来费马图书馆给一篇论文做批注。戴森的回信大意是：我的知识很有限，只对少数几个领域略知一二，恐怕不够资格做这件事。

这个人参与过量子电动力学的奠基，做过核反应堆设计，提出过戴森球，研究过外星文明的搜寻方案。他的第一反应是「我不够格」。

「我不是来回答你的问题的，我只想打开更多问题。」（路易斯转述弗里曼·戴森的邮件内容）

戴森九十多岁的时候，路易斯想送他一份生日礼物。他知道戴森晚年迷数论和素数，于是把戴森的照片转成一串由 0 和 1 组成的数字，调整其中几位，让整个数变成一个素数，再把这张「由素数构成的照片」发过去。戴森收到后第一反应是追问：你是怎么做到的？

那种好奇心一直烧到九十多岁。Lex 见过丹尼尔·卡尼曼（Daniel Kahneman），描述是同样的东西：真正特别的科学家身上，那团火不会因为拿了奖就熄灭，因为他们从来没觉得自己已经把世界搞明白了。这一点恰好是深度对话和深度合作的前提。

读论文的手艺：先看结论，再往下爬树

若昂给的第一条建议是心理层面的：论文从来不为易读性优化。篇幅有限制，格式有规范，语言有学科惯性。读不懂，很多时候跟材料本身的难度无关，跟这篇论文被挤压成什么形状有关。

费曼有个习惯：先翻到结论，然后用几分钟试着自己在脑子里推出这个结论，再回头读正文，看作者是怎么走的。费米也常被描述成这类人，他的招牌是信封背面的估算。

Lex 补充的做法是广度优先搜索。先读结论，再读相关工作，然后顺着相关工作的引用往下走，读那些论文的结论和相关工作，一层层展开，直到走进死胡同或者咖啡喝完。回程的时候，你已经能把最初那篇论文的结果放回它该在的位置上。哪怕这篇论文是革命性的，这个流程也能帮你确认它到底革命在哪里。

相关工作是全文议程最少的部分。引言要卖故事，方法要证明自己更优，只有相关工作在老老实实画地图：这个领域从哪来，现在卡在哪，谁跟谁不对付。读几篇互相引用和不引用的相关工作，你能闻出这个领域的张力在哪。而且它常常是全文最接近维基百科文体的一段，最好读。

允许自己在 0% 的理解度里泡几个小时

若昂讲了他读论文时最真实的状态：打开一篇论文，读不懂，跳到引用，再跳到引用的引用，二十个标签页开着，理解度长时间接近 0%，整个过程看起来像迷路。

然后某一刻，一切突然接上了。他用了个词叫「量子跃迁」，理解不是线性增长的，是在某个点上跳变的。问题在于，你必须先忍受那段看起来毫无进展的混沌，才可能等到跃迁。很多人是在跃迁之前放弃的。

这跟做研究、做公司的体验是同一件事。默认状态就是卡住，你不断地试，不断地关门，直到某一扇门后面有东西。区别在于学校训练出来的人习惯的是线性回报：努力一学期，换来一个成绩。创业和研究没有这种回报函数，你推着石头上山，石头滚回原点，反复几次，多数人会在第二次或第三次垮掉。

Lex 说得很直白：现在最大的敌人是注意力。社交媒体把「卡住」这件事变得无法忍受，因为脑子随时可以逃到一个更爽的地方去。而有些卡住是必须坐进去的，你需要在里面难受一会儿。

若昂引了艾德·希兰（Ed Sheeran）关于创作过程的一个比喻：打开水龙头，先流出来的是脏水，你得一直开着，清水才会来。前二十分钟写的东西大概率是垃圾，但那二十分钟不能跳过。

给六个月后的自己当老师

做笔记这件事，路易斯有一个判断标准：不要低估遗忘的速度。半年之后你翻开自己写的批注，会完全不认识那个人。

他的说法是，刚弄懂一个东西的那一刻，你是教未来那个自己最合适的老师。你刚刚从「完全不懂」走到「懂了」，你清楚自己卡在哪一步、哪个类比起了作用、哪个符号一开始看错了。这些信息在教科书里没有，只有你有。

Lex 提了一个更进一步的观察：笔记往往失效，录音反而有效。他读自己写的笔记经常一头雾水，但听当时随手录的几分钟语音，整个思考现场会被重新加载回来，包括当时的困惑和情绪。视频可能更强。这类工具还没被认真做出来，把「过去的专家自己」和「未来的遗忘自己」之间的对话通道建好，是个值钱的问题。

若昂补了一层：把话说出口这个动作本身就有效。为了让别人听懂，你必须重组自己的想法，重组的过程就是理解的过程。

一页纸能干多少事

费马图书馆上最短的论文只有几个词，是数学期刊史上最短的一篇。也有那种一页纸改变一个领域的。

费米那篇《我在三位一体试验中的观察》，一页纸，曾经是机密文件。1945 年 7 月 16 日，新墨西哥州沙漠，第一颗原子弹爆炸，费米在几英里外。他撕了一张纸成碎片，等冲击波到达时把碎片往空中一抛，根据碎片被吹走的距离估算爆炸当量。误差在 20% 到 25% 之间。

后来有人用爆炸火球扩张速度的影像资料重新计算，精度更高一些。费马图书馆给这篇一页纸报告加了批注，把费米当时的估算方法一步步拆开。

2020 年贝鲁特港口爆炸，网上流传一段视频：一位新娘正在拍婚纱照，爆炸冲击波到达，裙摆被掀起又落回。若昂用同样的方法，通过裙摆的位移和她身后店铺招牌的距离反推她与爆心的距离，估出了那次爆炸的当量。这条推文被几家媒体转引。

戴森球的论文也是一页。1959 年前后，戴森提出：文明扩张到某个阶段，母星的能源不够用了，下一步是去别的恒星取能，办法是在恒星外面造一个壳把能量收集起来。他顺手讨论了壳体的稳定性，一层薄壳如果产生微小扰动会不会塌向恒星，还指出一个可观测的推论：按照热力学第二定律，从恒星取能必然产生大量红外辐射，所以寻找外星文明的一个办法是在天上找异常的红外信号。

概念的提出、工程可行性、稳定性分析、探测手段，全在一页纸里。

佩雷尔曼：把数学从钱和名声里摘出来

庞加莱猜想的证明，佩雷尔曼（Grigori Perelman）没发在期刊上，而是 2002 年起陆续扔在 arXiv 上，一共三篇。这在当时被理解成一种抗议：他不接受科学出版业那套把知识锁在付费墙后面的做法。

更早的一件事能说明这个人。1994 年他证明了灵魂猜想，证明只有四页。去普林斯顿做报告，讲完以后数学系主任彼得·萨纳克（Peter Sarnak）想挖他，问他要简历。佩雷尔曼的回答大意是：我刚讲完一个这么难的定理，你为什么还需要我的简历。

2006 年国际数学家大会要给他菲尔兹奖，他拒了。当时有一批争议，两个哈佛的研究者在他的工作基础上「打磨了一下边角」，然后对外宣称证明了庞加莱猜想，甚至有人认真讨论功劳该归谁。佩雷尔曼那边，光是有人怀疑这件事是谁做的，就已经足够让他退场。

2010 年克莱数学研究所要给千禧年大奖的一百万美元，他也拒了。理由之一是，颁奖的前提是论文必须发表在期刊上；另一个理由是，他不认为克莱研究所的某个人跟数学有什么关系。

「他不关心钱，他关心的是把难题做出来，纯粹数学，别的不重要。」（路易斯谈佩雷尔曼）

Lex 讲了一段他自己的感受：在 MIT，他能明显听出一个房间里谈话的「音色」在两种状态之间的差异。聊想法的时候是一种声音，聊经费、政治、署名顺序的时候是另一种声音。他说自己的快乐一直来自泡在前一种声音里，一旦闻到后一种味道，探索本身就被污染了。

他拿苏联体制下不为钱的科学和奥运会训练做类比。这个类比有个前提要小心：贫困对科学并不好。但如果把「完全不为钱发愁」和「一切围绕钱运转」放在两端，中间那个平衡点在哪里，谁也说不清，而资本主义在另一端的效率又确实惊人。

一条博客评论解决了一个悬了几十年的问题

陶哲轩（Terence Tao）代表了另一种开放。他长期写博客，把研究过程、遇到的死胡同、失败的尝试都摆出来。

埃尔德什差异问题（Erdős discrepancy problem）悬了几十年，陶哲轩在博客上写了进展，写到自己卡住。然后一个德国读者在评论区留言，说这个问题的结构有点像数独，而数独的求解技术可能用得上。这条评论成了破题的关键。

陶哲轩也公开谈过天赋的反面。他小时候在数学上一路顺遂，IMO 金牌拿得极早，本科阶段遇到喜欢的课不用费力就能拿高分，于是从来没建立过学习习惯。到了普林斯顿读博，课程难度上来了，他不记笔记，不使劲，差点没通过博士资格考试，导师跟他谈过一次，说这样下去可能得离开项目。他把那次谈话讲成自己职业生涯的转折点。

Lex 提到斯科特·阿伦森（Scott Aaronson），说博客这个东西的价值在于真实：它给外面的人开了一扇窗，能看见这些极聪明的人在怎么想问题、怎么失败、怎么自我怀疑。这些内容不会出现在论文里。

论文的工业链条，哪里坏了

路易斯把整条链拆开讲了一遍：科学家拿政府的经费做研究，把成果免费交给期刊；其他科学家免费做同行评审；最后政府出资的大学图书馆再花钱把这些内容买回来，给自己的研究者读。政府出钱研究，出钱发工资，出钱评审，最后再出钱买回自己出钱做出来的东西。

这套系统难改，因为它和学术晋升死死绑在一起。几百个博士生抢一个教职，唯一的路径是发论文，最好发在高影响因子的期刊上。影响因子这个指标本身有个古怪的性质：论文还没被人读，就已经带着影响力出生了。研究者因此没有动力去关心一篇论文的长期价值，只关心它能不能被接收。

路易斯用了「贵族头衔」这个比喻。他还引了马里奥·比亚焦利（Mario Biagioli）编的《Gaming the Metrics》，讲指标如何反噬科学。

引文指标的历史很有意思。尤金·加菲尔德（Eugene Garfield）早期做引文索引，本意是描述性的：把论文之间的引用关系画成一张地图，让影响力可视化。这套网络思路直接启发了拉里·佩奇和谢尔盖·布林做 PageRank，谷歌自己承认过。但一旦开始数引用次数，市场就诞生了，就像搜索引擎出现之后必然长出 SEO 产业。

影响因子的分布呈现出两个经济体。顶端是《自然》，影响因子在四十出头，《科学》接近四十，中间是一批十几到三十的优秀期刊，下面是一条巨大的长尾，大量期刊影响因子在 2 以下。长尾那一端，是排名压力下的高校逼着教师尽可能多发文，不管发在哪。这个群体里有相当一部分是全球南方。顶端那一端也有病：《自然》要维持四十多的影响因子，光靠科学家圈子里的注意力不够，它需要论文能上大众媒体，于是标题和摘要被逼着比数据能支撑的结论更大。

Lex 的质疑是：问题出在指标本身，还是指标做得太差。亚马逊的评论系统也是指标，选电脑配件时相当可靠。差别在于规模。同行评审通常只有五到七个人，匿名，没有任何机制奖励他们认真干活。几千人参与的公开评审，哪怕每个人只懂论文的一小块，整体上也可能比五个专家更接近真相。COVID 期间他自己就有体会：一个会做数据分析的人，用基本功就能对某篇论文的某个环节提出有价值的质疑，或者补上被忽略的文献。

若昂承认这里有个类似海森堡不确定性原理的东西：任何指标一旦被当成目标，很快就会被博弈。能做的是设计更难被博弈的指标，但那只是延长半衰期。

arXiv 的三十年，和一次被掐死的实验

arXiv 上线三十年，论文数量的增长曲线几乎是一条直线，二十年如一日。若昂说，如果这是个创业公司，投资人早就逼着你搞增长了。但有些科学工具就是长得慢，慢本身是它活下来的原因。

数学领域有个荒诞的细节：一篇论文从点击「上传」到出现在期刊网站上，平均要接近三年。这大概是互联网上最长的上传时间。这三年里，内容是被锁住的。这就是预印本平台存在的意义，佩雷尔曼那三篇证明就是先扔在 arXiv 上的。

机器学习领域更极端，论文还在预印本阶段就被人拿来用了。研究者不会等它过审，看到就开工。这种做法带来一个副作用：所有人都在假设预印本是对的。在一个一年增长一半的领域里，谁来区分哪些工作扎实、哪些只在快速产出？arXiv 本身不提供这个功能。若昂认为这正是给预印本平台加功能的机会：协作、批注、把代码和数据挂上去，而不只是托管 PDF。

生物学的故事更值得说。1960 年代，美国国立卫生研究院支持过一个叫「信息交换组」（Information Exchange Group）的实验，让生物学家通过邮寄和图书馆共享预印本。项目办了六年，被取消了。原因是期刊界的强烈施压，它们担心预印本抢走生意。反对者名单里甚至有克里克（Francis Crick）。

后果延续到今天：生物学论文里只有约 2% 先以预印本形式出现。一次成功的扼杀，把一场变革推后了半个世纪。现在 BioArchive 在做同样的事，但整个领域的习惯已经被改写，追回来需要时间。这件事说明，科学的组织形式并非自然演化的结果，中间有大量利益博弈的痕迹。

期刊的钱该不该继续收

路易斯的判断比较直接：期刊这个商业模式已经越过事件视界。它作为中间层，附加值越来越低，而阻力正在变小。欧洲联盟资助的论文被要求对公众开放，盖茨基金会也有类似规定。这跟善意无关，出资方逐渐意识到自己付了两次钱。

Lex 的对比很锋利：你打开 Spotify，几乎能听人类历史上所有的歌，免费层也可以。但你打不开人类历史上大部分学术论文，而这些研究大部分是公共资金支持的。音乐行业的版权问题比学术出版复杂得多，它被解决了，学术出版没有。

若昂提到了一个具体路径：覆盖型期刊（overlay journal）。本质上它只是一组链接，指向已经放在 arXiv 或 BioArchive 上的论文，再附上公开的评审意见。它把中间商从链条里拿掉，评审过程透明，不向大学收订阅费。数学领域有《Discrete Analysis》，量子信息领域有《Quantum》，后者已经和费马图书馆建立了合作：在《Quantum》上发表的论文，同步在费马图书馆开放批注。这类期刊的困难始终是冷启动，年轻研究者需要影响因子来求职，而新期刊没有影响因子。目前的解法是靠已经拿到终身教职的知名学者先投稿，把声誉借出来，让年轻人敢跟。

维基百科是互联网的宇宙学常数

聊到众包的可能性，路易斯给了维基百科一个很高的评价：它是互联网的宇宙学常数，我们活在它存在的那个平行宇宙里，纯属运气。

如果有人在二十年前提出「让全互联网的人编辑同一部百科全书，它会成为最可靠的知识来源」，几乎没人会信。这相当于说，一个所有人都能改的 Google 文档会成为人类知识的权威版本。它成了。甚至有单个用户编辑过全站三分之一的条目。

Stack Overflow 是另一个例子。少数几个极端贡献者撑起了整个社区的价值，而这两个平台都没有把创造的价值留住多少。

Lex 从中提炼出一条设计原则：如果想让 arXiv 或公开评审这类系统跑起来，关键动作是让那个愿意贡献一万次的 10x 用户觉得爽，觉得有回报，觉得值得。讨好所有人的努力反而是负担。维基百科和 Stack Overflow 都是这么长起来的。

数学界做过一个更严肃的实验。菲尔兹奖得主蒂姆·高尔斯（Tim Gowers）发起过 Polymath 项目，想验证一件事：数学能不能在互联网上大规模协作完成。他们挑了几个具体问题试，结论是能，但有条件。适合协作的是那种可以拆成小块、能一步步推进的问题。协作过程需要一个类似开源项目维护者的角色，隔一段时间出来收拾房间，把散落的思路重新组织，重新表述问题，然后再往前走。这个角色看起来不起眼，却是项目能不能推进的分水岭。

一篇论文从《自然》创刊号到今天，长得几乎一样

若昂提了一个观察：把《自然》第一期上的论文和今天的一篇并排放，本质上没有区别。载体还是静态的 PDF 或 LaTeX 排版，一百多年，形式没变。

但一篇论文今天附属的东西已经完全变了：代码、数据集、需要视频才能讲清的动态过程。代码现在被塞进 PDF 里，作为一种排版元素存在，这件事本身就荒唐。

Lex 由此推出一个他反复提的判断：想让科学传播得动，最有效的方式之一是给论文配一套视频讲解。他在 YouTube 上见过做得很好的例子，比如 Machine Learning Street Talk 那种对一篇论文做几小时逐段拆解的形式，有时还拉上作者本人。还有 comma.ai 的乔治·霍茨（George Hotz），直播十个小时把一篇论文从头实现一遍，观众看得津津有味。

抓住观众的另有其物。观众看的是一个人在难题面前挣扎的过程。乔治的性格、他卡住时的反应、他突然想通时的样子，这些构成了观看动机。Lex 说自己的播客也是同一个机制：听众未必关心某个具体话题，他们想看一个脑子怎么在问题上打转。手艺本身有传染性。他举了一个修复古画的 YouTube 频道做对比，那个人只是安静地、极其专业地把一幅老画修好，一样有大量观众。领域不重要，卓越本身抓人。

用微分方程算临冬城之战

若昂在《权力的游戏》最终季播出期间写过一篇正经的论文，分析临冬城之战。

问题的核心是一个不对称的动力学：活人军队里每死一个，死人军团就多一个兵。初始条件双方各约十万人。他想算的是，活人军队里每个士兵平均要杀掉多少个尸鬼，才能在不被人数反超的情况下赢下这一战。

他写了几个微分方程，算出的比例大约是 1.7。也就是说，每个活人战士平均要放倒 1.7 个敌人，才勉强打平。这个结论当然没算上龙，也没算上战术，剧集本身后来给出的

这个结论当然没算上龙，也没算上战术。剧集后来给出的答案是另一种解法，靠一个刺客。这条内容被剧集里的一些演员转发过。

这篇论文的价值恰恰在于它的可理解性。问题的边界一清二楚，初始条件人人看得懂，不需要任何前置知识就能跟上推导。费马大定理也是同一个结构：命题本身一句话就能说完，一个中学生也能听懂它在问什么。路易斯把这种性质叫作智识上的民主性，他认为这是这类问题吸引公众的根本原因。它们看起来简单吗？未必。但它们把所有读者放在同一个起点上，这件事本身就足够动人。

他们还提过另一个例子：有人拿托尔金的中土世界地图做测算，用书中几座城市之间的距离反推，证明那张地图可以对应一个球面，甚至能估出那颗行星的半径。

顺带说一句，这类「用数学拆解虚构世界」的工作，往往能暴露出原设定里的漏洞。一支只靠冷兵器、没有考虑不死生物转化率的军队该怎么布阵，这类问题是真问题。只不过原作者不需要提交同行评审。

把脚注变成对话现场

回到费马图书馆这个产品本身，他们的野心其实不止于注释论文。

若昂把它拆成三件东西。Journal Club 是每周发布一篇带注释论文的栏目，覆盖物理、计算机、数学各类领域。Margins 是支撑这一切的软件，他们把同一套工具免费开放给任何人，有大学用它跑自己的读书会。Librarian 是一个浏览器扩展，直接在 arXiv 页面上叠加评论功能，还能一键抽取论文的参考文献、导出 BibTeX 方便引用。不需要离开 arXiv，就能在原文上讨论。

Lex 对这个扩展的反应是：为什么它不是人人都在用？arXiv 的界面二十年没怎么变过，这一方面是它的优点，简单到不需要学习，一方面也留下了巨大的空白。

这种留白对平台是好事，对生态是缺憾。一个稳定、简单、不搞增长黑客的核心，加上外围不断长出的功能层，或许才是科学基础设施该有的形态。若昂说得很清楚：如果当年 arXiv 是个创业公司，投资人会逼它做付费功能、做增长实验，那可能早就把它毁了。

参与感这件事还有个微妙的心理学障碍。若昂说他们收到过反馈：某些论文的注释做得太完整、太漂亮，后来的人不敢再往上加东西，怕破坏一件完成的作品，尤其怕问一个显得蠢的问题。

Lex 对这个问题的回答是：他自己的策略就是不停地问蠢问题、说蠢话。如果这能起到示范作用，让别人也敢问，那就够了。通往知识的唯一路径是愿意暴露无知。

他还提了一个更结构性的想法：论文可以办 AMA。作者在线，谁都能问。或者像他这样有数学和计算机背景的人，公开在论文上做批注，把自己变成对话的一部分。Twitter 上是「关于对话的对话」，正式的对话应该发生在论文旁边的注释里。两件事可以接起来，一边是散点式的公共讨论，一边是沉淀在原文旁边的结构化讨论。

足球、指标，以及为什么不能量化天才

对话最后滑向一个更轻松也更葡萄牙的话题：谁是史上最佳球员。

路易斯站在 C 罗这边，理由落在那种从零开始、靠极其刻苦的训练在三十七岁还维持顶级水平的故事上。他顺带点出一个心理机制：人们不愿承认努力能带来成功，因为一旦承认，就意味着「我没做到」这件事得由自己负责；而如果成功来自无法解释的天赋，那就跟自己无关了。

Lex 的答案不一样。他承认 C 罗的人生故事漂亮，谁都可以拿他当榜样，但对他而言，看球的快乐来自某些瞬间的、无法归因的美感。他提到马拉多纳，也提到梅西已经超过了马拉多纳。他甚至说，赢球对他从来不是最重要的，重要的是那些闪现的天才时刻。有缺陷的人生也美，马拉多纳的毒品和脾气不损害他的伟大，反而让他更完整。

这段话延伸出一个有意思的问题：能不能把足球量化到可以判定谁是历史最佳？Lex 承认自己试过。他在大学里做过用机器学习分析体育数据的研究，和凯尔特人队合作，处理球馆摄像头追踪球员的数据。他的结论是，棒球最适合统计，因为它的核心是离散事件，条件可重复；篮球是连续动态，难；足球更难，一场比赛可能只进一两个球，成功事件太少，无法支撑统计。

他提到一个具体的衡量思路：在国际象棋里，你可以量化某一步有多难，因为搜索树有多深是可以计算的。如果有人能给足球建出类似的指标，衡量一次传球或一次摆脱在决策空间里的深度，那才算捕捉到了天才。计算机视觉是解锁这个的钥匙。他自己写过球员和球体的追踪器，也提到真正的难点在跨镜头切换时的身份保持：转播一换视角，之前建立的三维重建就得重算。

至于足球数据，「如果谁把梅西和 C 罗所有比赛的追踪数据公开出来，世界上会冒出无数有意思的研究」，Lex 这么说。这类数据集的下载量会是多少，能产出多少论文，很难估。

若昂研究过另一个更小的题目：篮球里的「手感」（hot hand）。他给一篇几十年前的论文做了批注。研究者当年调查了上百名大学生，六成八的人相信自己投中一球之后下一球更容易进。然后他去看了几千次罚球的数据，发现在罚球这个场景里找不到手感效应。唯一的效应是：第二罚的平均命中率略高，因为它只是熟能生巧，无关心理势头。

若昂后来找到一个包含六十万次罚球的数据集，重跑了同样的计算，结论一样。没有手感，只有练习。

这类研究最有意思的地方在于，体育是一个被高度约束的心理学实验室。环境可控、动作重复、结果可测，这在野外的心理学研究里几乎不可能实现。而它又天然吸引人，结果人人关心。分析体育这件事同时具备了两样稀缺品：干净的样本，和真实的注意力。

给年轻人的建议，和一大笔没被消费的自旋

访谈接近尾声，Lex 问给年轻人的建议。

路易斯借用了庞加莱的一个说法：父母最该教给孩子的事情之一，是如何对世界的奥秘保持热情，难点在于分寸，既要让孩子为未知兴奋，又不能把它变成创伤。他给出的具体路径是：从一个小地方开始，让好奇心自己生长。你可能只是对人怎么把数分解成素数感兴趣，顺着走下去，会掉进数论，再遇到密码学，然后某一天你在买比特币。这一切的意义不在名、不在钱、不在地位，而在于这条持续满足好奇心的路本身，它构成了幸福感的来源。

若昂补充的是教育体制的差异。他在欧洲读大学，体系刚性，选了物理之后就很难再去修计算机的课；路易斯在美国读，选课自由得多。他认为一个好的教育系统应该随着学生的兴趣演变，允许探索，但前提是先给足探索的空间。他承认物理训练带来的一个隐性收益：学过难的东西之后，进入别的领域不会怕。他之前在金融行业工作过，学金融的那些东西从来没觉得有压力。

Lex 顺着这个说：无论学什么，做过真正难的事、向自己证明过能做成难事，这笔资产是通用的。数学大概是最硬的一种。物理排在后面。这种训练传递的是一种信念：我啃过特别硬的东西，所以硬一点的领域里，我也能慢慢磨出来。

然后是这段对话里最漂亮的一个收尾。Lex 想起费曼的一句话，用来结束整期节目：没有人搞得清楚人生到底是怎么回事，而这并不重要。去探索世界就好，几乎所有事情，只要你钻得足够深，都会变得非常有意思。

这句话放在这场对话上很贴切。两个葡萄牙兄弟，一个学物理一个学计算机，因为读书会做腻了想在线化，做了一个批注论文的网站，结果他们在上面讨论公元前六世纪的隧道、一页纸的戴森球、费米撕碎的纸片、佩雷尔曼拒绝的一百万美元，以及梅西的一个转身。这些东西表面上毫无关联，往下钻，都通向同一个地方：人在难题面前的挣扎，以及挣脱那一瞬间的样子。

如果这篇文章让你想做点什么

• 下次读论文，先跳到结论，合上屏幕，用五分钟自己在纸上推一遍。推不出来再回头读，你会发现自己对哪一步的理解是假的。
• 挑一篇你专业之外的经典论文，读完相关工作列表里的五篇，只读结论和摘要。你会看到一个领域的地形图，比读十篇正文有用。
• 在弄懂一个概念的当天，给自己录一段三分钟语音，讲清楚你卡在哪、什么类比帮了你。半年后回听，比笔记有效得多，因为它会把当时的思考现场一起带回来。
• 去费马图书馆找一篇你专业的论文，认真写一条批注，哪怕只是替一个跳跃步骤补上中间三行。你刚走完的那段路，是未来的读者最需要的地图。
• 准备一份公开的「我搞不懂的问题」清单。愿意暴露无知这件事，会替你打开一些本不会发生的对话。
• 如果你是研究者，把下一篇论文同时放上 arXiv 或 BioArchive，也考虑投一家覆盖型期刊。改变一个系统的办法，往往是先给它多喂一点样本。
• 选一件你真正好奇的小事，往下挖到能称自己是某个小问题的专家。别问它有什么用，走到哪算哪。