引言

如果你待过一个 AI 研究团队，应该很熟悉这种场景：同样面对一个新课题，有人第一反应是拆目标、列 baseline、排实验表；有人会先问“这个方向背后有没有新的机制，能不能打开一个更大的问题”。有人喜欢在组会上边说边想，观点是在讨论里逐渐成形的；也有人需要先安静读论文、翻日志、跑代码，等逻辑闭合以后再发言。

这些差异不一定是谁更专业，也不一定是谁更努力。很多时候，它只是说明：我们进入科研问题的方式不同，消耗能量的方式不同，对确定性的需求不同，对反馈和协作的敏感点也不同。

这也是我们做 MBTI-Research 科研协作测评 的原因（点击阅读原文即可评测）。

它不是一个泛泛的性格测试，也不是把普通 MBTI 换个标题放到科研场景里。我们更关心的是，在 AI Research 这样高度不确定、强协作、强反馈、强 deadline 的环境中，一个人会如何阅读问题、如何推进实验、如何处理失败、如何与团队沟通，以及如何在压力下做出选择。这也算是AI让世界更懂你的一小步体现吧。

做 AI Research 的人，常常不是因为能力不同而卡住

很多科研协作里的摩擦，并不是来自能力差距，而是来自默认工作方式的差异。

一个人觉得“先把计划定清楚再动手”是负责任，另一个人却觉得“先试出一点结果再说”才是对研究问题的尊重。一个人希望 review 意见直接指出逻辑漏洞，另一个人更希望先知道哪些部分值得保留。一个人觉得频繁讨论能加速想法成形，另一个人却会在连续会议后迅速耗尽能量。

在 AI 研究里，这些差异会被放大。因为我们面对的经常不是标准答案，而是模糊方向、异常实验、复现失败、算力限制、论文 deadline、合作沟通和快速变化的技术路线。一个团队如果只讨论“谁做了什么”，却很少讨论“每个人是怎样做研究的”，很多误解就会长期留在空气里。

于是，有些人被误解成“不主动”，其实他只是在形成完整判断前不愿意轻率发言。有些人被误解成“太跳跃”，其实他是在用发散式联想寻找新问题。有些人被误解成“太强势”，其实他只是对交付质量和决策效率高度敏感。有些人被误解成“太感性”，其实他能提前看到团队状态和长期合作风险。

我们希望这个测评能把这些差异说出来。

这不是给你贴标签，而是给科研协作一个更好用的语言

MBTI-Research 的目标不是告诉你“你就是某一种人”，而是帮你更清楚地描述自己在科研协作里的倾向。

你可能是更擅长搭建长期路线图的人，也可能是更擅长发现异常机制的人。你可能适合把复杂项目推进到交付，也可能适合在早期阶段不断孵化新想法。你可能在稳定流程里更可靠，也可能在不确定环境里更有创造力。你可能通过冷静分析表达支持，也可能通过照顾团队状态维持长期合作。

这些都不是优劣排序，而是科研团队里真实存在的角色分工。

一个好的 AI 研究团队，往往不只需要提出大胆假设的人，也需要能把假设落到实验表和代码仓库里的人；不只需要冲刺 deadline 的人，也需要在混乱之后复盘流程的人；不只需要讲清楚技术贡献的人，也需要让团队愿意继续合作、继续相信问题值得做的人。

当我们能用更清楚的语言谈论这些差异时，协作会变得轻很多。你会更知道自己适合承担什么，也会更理解别人为什么不是按你的方式工作。

93 道题，测的是你如何做研究

这个测评一共有 93 道 A/B 题，题目都围绕 AI 科研中的真实情境展开。

比如，当你启动一个新课题时，你更自然的做法是先拆解目标、里程碑和风险，还是先快速试几个想法再调整方向？当实验结果异常时，你更倾向于尽快找同伴讨论，还是先独立阅读日志、代码和论文？当你给同伴的论文草稿提意见时，你会先照顾对方的感受和保留亮点，还是直接指出逻辑漏洞和证据不足？

这些问题没有标准答案。它们真正想捕捉的是，你在研究问题面前的默认路径。

最后，你会得到一个科研协作画像。它会描述你的研究偏好、协作优势、可能的成长建议、沟通风格，以及你在 AI 研究团队中更适合发挥作用的位置。结果也会显示完成度，如果你只答了一部分题，也可以先得到一个临时结果；答得越完整，画像越稳定。

为什么它可能比普通 MBTI 更容易被 AI 研究者接受？

因为它不要求你脱离场景去回答抽象问题。

很多研究者对普通性格测试会有一点距离感，因为那些题目经常太生活化、太笼统，甚至让人不知道该按“工作中的我”还是“生活中的我”回答。但科研中的人很容易理解另一种提问方式：你面对 deadline 会怎样收敛？你面对异常实验会怎样定位？你面对新论文会先看机制还是看实验设置？你面对团队分歧会更关注证据还是共识？

这些问题更具体，也更接近我们每天真的会遇到的选择。

AI Research 本身就是一个不断在不确定性中做判断的过程。我们读论文、跑实验、写 rebuttal、开组会、改代码、协调合作，本质上都在暴露自己的偏好。有些人从结构进入问题，有些人从可能性进入问题；有些人依赖计划获得稳定，有些人依赖反馈获得方向；有些人通过逻辑推动团队，有些人通过关系维护团队。

当测试语言贴近科研生活，它就不再像一个娱乐标签，而更像一面协作镜子。

你可以一个人测，也可以整个组一起测

如果你是学生，可以用它理解自己更适合怎样推进课题。你可能会发现，自己不是“不够自律”，而是需要更明确的阶段目标；也可能会发现，自己不是“想太多”，而是确实更擅长在概念和机制层面寻找突破。

如果你是导师或项目负责人，可以用它观察团队里的协作分布。一个团队里如果全是擅长发散的人，可能需要补足收敛和交付；如果全是擅长执行的人，可能需要有意识地留出探索空间；如果团队沟通经常卡住，也许不是大家不配合，而是反馈方式和决策节奏没有对齐。

如果你在做长期合作，这个测评也可以成为一次很好的开场讨论。比起直接问“你喜欢什么工作方式”，从一个画像开始聊，往往更自然，也更容易说出平时不好意思讲清楚的需求。

测完以后，最值得看的不是四个字母

我们当然会给出类似 INTJ、ENFP、ISTP 这样的类型代码，但真正有价值的不是那四个字母本身，而是它背后的解释。

你可以重点看三件事。

第一，你的协作优势是什么。它提醒你，自己在团队中最自然能贡献什么，不必总是拿别人的节奏要求自己。

第二，你的成长建议是什么。每一种科研风格都有盲区。擅长战略的人可能需要更早暴露中间思路，擅长探索的人可能需要更强的收束意识，擅长照顾团队的人可能需要更清楚地表达边界，擅长快速试验的人可能需要更完整地沉淀复盘。

第三，你适合怎样被沟通。很多协作问题不是因为观点不同，而是因为沟通入口错了。有人需要先看到数据和逻辑，有人需要先理解目标和意义；有人希望直接给结论，有人需要保留思考空间。知道这些差异，会让合作少很多无谓消耗。

给 AI 研究者的一次小小自我校准

我们每天都在评估模型，却很少评估自己如何做研究。我们会分析 loss 曲线、消融实验和 benchmark，却不一定会分析自己在团队中的能量来源、决策方式和协作偏好。

MBTI-Research 想做的事情很简单：给 AI 研究者一个更贴近科研现场的自我理解工具。

它不替你决定方向，也不定义你的上限。它只是提供一个入口，让你更容易说清楚自己，也更容易理解一起做研究的人。

如果你正在做 AI Research，或者正在和别人一起推进一个不确定的研究问题，不妨测一次。也许你会发现，困扰你很久的协作摩擦，并不是谁错了，而是大家默认的研究方式从一开始就不一样。

而当这些差异被看见，合作就有机会变得更轻、更准，也更长久。

现在，可以点击阅读原文去测测看：你在 AI 科研协作里，究竟是哪一种人？