曾经在知乎关注了一个帖子，国外博士的能力真的比国内博士强吗？

因为有段日子没刷知乎了，今天打开一看，多了很多回答。

有一些回答肯定了本土博士的科研水平。比如：

反对@小马过河回答：用上课来区分国内外博士水平，国外上课比国内上课强，要求高，国内上课水。以下讨论只关于计算机，其他方向不了解。不能像键盘侠一样吃了个翟天临的瓜就整天去唱衰国内的教育、国内的科研。有不少没在国内读研读博的反智评论，我劝你善良。

本科生看的就是你的课程，看你的通用学习能力。博士生了，还死死盯着那几门课，愚蠢。你来告诉我，一个博士生把GPA搞得高高的有P用？需要学什么，就去学什么，需要用成绩用课程来约束吗？都特么奔三的人了，等学校安排的课程去上，恕我直言，睿智。

判定博士研究生的唯一量化标准就是科研成果。

只不过国内倾向于数论文数量，而国外没那么看重数量，但不代表国内就不看代表作。有影响力的工作，在哪都会被认可。比如，系里一个学长10多篇CCF A，毕业CCF优博，GPA也就刚达线。我，特么上学期GPA满绩，目前还没有publication。嗯。。很说明问题了。

不得不承认国内研究环境和美国比目前还是有差距。但也不是前几年了，国家有钱了，经济基础上来了，科研实力还会远吗？

哦，另外，博士看的是导师，远比学校牌子重要（只学术，选调、转管理、进国企等都不在讨论范围内）。

作者：匿名用户 链接：https://www.zhihu.com/question/290077654/answer/647269642 来源：知乎 著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。

还有一些对国内博士有警示作用，特记录在此。

还有一点是美国教育中对批判性思维的重视。我个人觉得这点很重要。记得有一门课，每节课我们都会讨论一篇科研文章，让我十分惊讶的是即便是一篇发表在非常好的杂志上的论文，教授也能找出不少问题，而且感觉讨论文章的主要目的就是找问题。我能明显感觉出来，美国同学在这点上确实比我们厉害，他们能找出很多问题，先不说找出的问题对不对，至少他们有这种质疑的态度。而我就觉得既然是发表在好杂志上的文章，那什么都是对的，也找不出什么问题。我觉得这可能和我们文化中总希望说别人好，不愿指出不足有关。

所以综合来说，由于国内的博士只要是以做科研发文章为导向的，这就导致了一些博士把全部精力放在课题实验上，所以科研能力很强，但其他方面的能力就得不到培养。还有一点，有些导师只是把博士生当成是实验室的劳动力，博士生只能埋头去实验，并不能参与到实验的核心设计当中，所以只是一个实验的实施者，而不是设计者。这样的模式下，学生学到的只有实验技术，而没有创新和独立思维。而在美国，导师会觉得他要培养的是将来的一个独立的科研工作者，也就是将来的导师。所以，你经常能听到美国的导师会说，这个我也不知道，你要自己去分析；你的实验计划是什么，可以想一想，我们一起讨论一下；下一步你想怎么做，能不能拿出一个方案我们探讨一下。

所以，我觉得因为最终的导向决定了国内国外博士培养模式的差异。国内的博士，可能毕业时发了很多厉害的文章，科研能力很强，这肯定是一个优势。但另一个美国的博士，也许毕业时没有很多文章，但他在实验，教学，科研思维等许多方面会有提升，更为全面一些。还有一些国外读书的优势，比如英语的提升；独立生活的能力，不少同学留学后都成了大厨；开拓国际视野，因为美国的大学真的是有来自全世界的学生，能感受学习到不同的文化，比如我们实验室就先后有韩国人，印度人，土耳其人，非洲人，巴西人，阿拉伯人。

我个人是鼓励有读博想法的人可以出来看看，即便是短期交流访学也是很好的体验机会。毕竟只有你亲身经历了，才能更有体会。

作者：Go Gators 链接：https://www.zhihu.com/question/290077654/answer/629992287

有人怀疑我读西瓜书感觉符号混乱是因为数学基础差。那我解释下，我美国教授都让我们把各种机器学习算法推导熟练，而且很多算法都让我们手写算法框架，目前，我传统的机器学习算法也只有decision tree和SVM没有手写框架（这里只是没有手写框架，算法我们都推导过），但几乎所有算法包括神经网络我们都推导过算法，因为考试都要考的。你可以给我西瓜书，我看半小时就能讲给你听，因为我们对这些机器学习算法已经熟练到烂熟于心了。但是，如果你说机器学习可以自学，翻翻西瓜书，听听MOOC课就行了，那你是当开这门课的美国老师和认真学这门课的学生都是傻叉吗？而且机器学习只算CS研究生最基础的专业课，要搞得更深，还有其他的如计算机视觉，自然语言处理，信息安全，Internet of Things等等。这些难道你都自学？计算机科研最容易突破的是交叉学科，多学好一两门课，思维和能力就不一样了。比如，同样是做图像识别，没学过计算机视觉的可能只会搭1个神经网络框架然后把完整图像去训练，而学过计算机视觉的可能是先对图像进行关键信息的提取，然后用这些关键信息去训练神经网络，可能图像中对关键信息的提取效果不明显，但假如对录像做处理做动作识别呢？难道你把上百个甚至上千个完整录像去训练神经网络？这样给你多少GPU也训练不完啊。这只是给个例子，我已经淡化了专业词汇，为了更多人看懂。

作者：小马过河 链接：https://www.zhihu.com/question/290077654/answer/626309324

最后说一下科研能力吧，本土博士我观察，工程能力一般较强，但数理基础往往较弱（比如我自己），这是这个社会形态造成的，正如某答案所说的，推公式省钱，但是以目前国内的