AI 연구가 성숙하면서 점점 두 갈래로 나뉜 듯함.
하나는 기능 구현,개발에 집중하는 쪽, 다른 하나는 이론적 엄밀성과 foundation에 집중하는 쪽.

나는 이론 쪽에 가까운 연구를 해왔고 탑티어 논문도 3편 냈지만, 개발 역량이 뛰어난 사람들을 보면 늘 대단하다고 느낌. 그래서 결국 제일 베스트는 자기 성향과 반대되는 타입의 연구자와 협업(cowork)하는 거라고 생각함. 
탑다운/바텀업은 뭐가 더 중요한 게 아니고 부족한 부분을 어떻게 메꾸느냐가 더 고민 대상인듯.

다만 요즘 이 분야에서 진짜 필요한 역량은 "스캠 논문 판별 능력"임.
논문이 쏟아지다 보니 리뷰어도 수식 하나하나 다 못 보고, 결국 "결과 좋음? 실험 많음?" 이런 식으로 앵무새 평가가 되는 경우가 많음. 
그래서 화려한 실험 결과만 믿고 무지성으로 받아들이지 말고, 설계 근거와 핵심 novelty를 냉정하게 따져볼 필요가 있음.

저자가 주장하는 novelty가 실제 성능 향상의 핵심인지? 아니면 포장만 화려하고 성능향상은 짜치는곳에 있는지?

베이스라인 재현(reproduce)이 제대로 된 상태에서 비교한 건지?

데이터셋/라벨링이 공정했는지?

Eval metric이 제대로 설계된 건지, 아니면 코에 걸면 코걸이 식 평가인지?


결국 "말은 그럴싸하지만 유사과학 같은 논문"을 걸러낼 기준이 점점 더 필요함.
이론을 하면 여기서 한 발 더 나아가, 수식 장난질 여부까지 검증할 수 있다는 차이가 있음.

그래서 정리하면, 논문을 "평가"할 정도의 이론적 베이스는 반드시 필요하지만, 논문을 직접 "생산"할 만큼의 바텀업 공부는 취향 차이일 뿐 필수는 아니라고 봄.