大科学类似强化学习 PPO，也是在大方向大差不差的旧策略上，进一步发展新的探索和策略，策略迭代也要约束，不能因为你不知道那个方向重要，就真的去平铺，平铺策略在有限资源场合就是玩崩的下场
不坚持大科学的领导，反而平铺到各种不知道干啥的小科学上，下场就是 random sampling，收敛效率不仅低，而且理论上都是扫描出一堆 non sense 的结果
而且，科研采取平铺策略，是及其容易被钻空子的，到时候，恐怕爱因斯坦没出现，学术骗子先把资源给吃干抹净，大科学问题毕竟都是公众还知道的问题，至少有监督作用
真正支持小科学，不是给经费，而是给自由，我可以 90% 时间做大科学，然后用点大科学的经费，给 10%时间探索无厘头的东西，这才是真正小科学的培养路线。
现在国家不是不给小科学宽容，而是太宽容了，导致真的做 “真小科学的”，被“假小科学“的干废了，你用大科学聚焦以后，然后里面才寻思变，远比开口就支持小科学更加好。
作为国家资助，你开口支持小科学，就相当于我支持黑人到国内工作，你确实无法判断那个黑人有没有才华，或许真的有个黑人爱因斯坦，但是你不应该开口给他们机会，否则你就等着到处都是黑哥哥干女大学生的结果，黑因斯坦没出来，干女大学生的黑哥哥可能先出现一大批
====
正常国家只应该投资大科学，冲刺星辰大海，否则纳税人的钱成了学阀自娱自乐的玩物，你还想不想维稳？
那些所谓自由探索，本身就是 LGBT 的理工版，很多打着自由的旗号，实际研究的都是骗人的勾当，压根就不是某些曲高和寡的高深研究，就算 Lecun 这种经常背离主流技术路径，人家至少研究的问题也是大科学问题。
国家科研管理正确的做法，还应该是研究机构和企业发起核心问题的研究，他们核心研发人员投入攻克大科学难题
小群体组织，高校普通老师，用这些新技术去赋能，去应用或者去教学，并论证这些大机构的研发成果是否好用，不仅可以促进人才培养，也起到对大科学研发机构的群众监督作用，这个生态是非常合理的。
但是，现在很多所谓小科学，
我就以计算机某个领域为例子，大家应该看到很多就是知识图谱的综合 n 个场景应用，每个应用基本就是 neo4j 加各种 edge 融合数学改改的变种，我保守估计，就知识图谱这个关键词，就浪费国家科研经费 15 亿起步，最终不知道得到啥东西，培养了一堆工程能力巨差，而且很多时候还不如一个认真写的搜索引擎系统好用。
这种典型就是，技术水平不行，但是发论文需要创新，参加成人组比赛干不过人家，就去参加儿童组比赛，所以很多计算机交叉的领域处于重灾区
我知道一些人对全是大科学有意见，是因为自己没条件去做，难受，他们很支持干所谓小科学，结果都干成知识图谱（一个类比哈）。大科学是很多普通人是无法介入的，比如做大模型，做新一代大模型，做强化学习，这个没几个地方真的能做，但是我即便严重缺乏资源的情况下，我也会自己炒股，拉赞助，送外卖去想办法创建条件去研究，我肯定做不出啥创新，机构也看不上我，鸟都不鸟我。我也不在意，我不断尝试，教书育人我肯定没问题，而且我还能在此过程验证那些技术是不是真的好用，还是骗人的。
我理解这才是大科学的真正生态含义，能人干大事，我这种废物就用起来去教育人，都可以参与到技术浪潮当中。
现在反而要警惕学阀提小科学，很多小科学，不仅没科学，大家可以去看看，很多是知识图谱 + AI + 这种简直是个本子都会有的烂词一样的玩意充斥大街。
我自己也被迫写过这种烂本子，和所谓教育哲社结合，为何被逼，因为这些领域学阀真的啥都不懂，认为能用下里巴人的东西解释才是科学（只要能弄出知识图谱就是可解释），我写大模型底层 xxx理论，他们反而说没提炼出科学核心。