陈皮皮屁: 继续发一则和国内 model researcher 交流的 memo。今天和某模型厂的一位 post-train researcher 聊了聊。Ta 对「国内在 Pre-training 上更有优势、Post-training 相对落后」这件事，补充了一个视角： 国内基本已经「会做」Pre-training 了，但 Post-training 可能还处在一个比较混沌的阶段。 一个核心原因是，两者的 reward 清晰程度很不一样。 Pre-training 的反馈很明确，比如可能就是在单位时间内，把 Next Token Loss 降得越低越好，同时尽可能降低训练成本。 Post-training 要解决的，则是怎么让模型在下游应用中表现得更好。但怎么定义和评估这个「更好」，以及怎么确认模型是真的变强了、而不是在 hacking 某个指标，都非常 tricky。 此外，Pre-training 的创新也更容易被外界看到。 模型架构没有那么强的机密性，一开源大家就能看到，也可以写成 Paper、拿去做 PR。但一家模型公司的数据是怎么清洗的、具体用了什么训练 Recipe，通常不会拿出来讲。 再加上众所周知的缺卡问题，而模型的绝对能力又是模型厂的生死线，大家自然会把更多资源投入反馈更明确、也更容易获得声量的 Pre-training。 Post-training 因此陷入了一个有点尴尬的循环：因为混沌，所以拿不到足够多的资源；又因为资源不够，这种混沌迟迟无法被解决。 除了这个话题，我们还聊到了几个挺有意思的点： 1/ 「大厂最终一定会赢」是一种偷懒的推论。 模型竞争不是比身价。拥有更多钱、卡和人，不等于一定能训出最好的模型。 在这位 researcher 看来，真正起决定性作用的，可能是组织里到底有多少人发自内心想把模型训好，以及组织摩擦会不会消耗掉这些人的热情。（没有说加入创业公司的人会更有梦想的意思。） 2/ Agent 确实已经在替代 AI Lab 里的一部分工作。（所以我们最近和一些 researchers 交流，感觉有些人确实已经有失业焦虑了。） 拿 Infra 举例，现在可以直接告诉 Agent：「每秒只能输出 50 个 Token，请优化到 60 个」，然后让它自己检查 Kernel 和整条链路。 所以一些 Infra 工程师开始自己给自己找事干，比如跑去研究算法、理解训练需求。 （从这里再往外延伸一步：如果说 AI Coding 模糊了产品、研发和设计之间的边界，那么 AI for AI / RSI 似乎也在逐渐模糊数据、算法和 Infra 之间的边界。 3/ Model Research 本身，可能就是最 Science 的 AI for Science。 我们还探讨了两个没有答案的问题，也列在这里吧，欢迎有想法的朋友分享你的见解～ Q1/ 怎么让模型拥有时间概念？ 这个之所以会是个问题，是因为如果模型不交卷，它就可以一直保持「我没错」的状态。反正模型不老不死，所以从它自己的视角看，磨洋工可能并不是什么坏事。（GPT-5.6 一直写测试，是不是就是深刻践行了这一点啊 doge.jpg) 就像《葬送的芙莉莲》里，对于一个能活几千年的精灵来说，花十年寻找一枚戒指完全合理。 但我们这些凡胎肉体，根本等不起…（除非 AI 医疗让人类永生哈哈 Q2/ OpenAI 是怎么持续相信 RL 这个方向，并最终把 o1 做出来的？ 我们好奇的不是具体的 Recipe，而是背后的组织问题。 想起之前请清华大学叉院的助理教授吴翼录过一期播客，他在节目里提到，OpenAI 很早就在做 RL，但之前做了很久都没有得到结果。 那么，在一个方向连续失败很多年以后，他们的团队为什么还能继续相信它，招到人、说服老板、拿到资源，然后真的把事情做出来呢🤔 这个问题可能需要更了解 OpenAI 的朋友来回答了。 最后，其实跟很多 researchers 交流，尤其是问他们觉得哪家模型更有希望时，大家最后都会强调组织文化。 在一个快速变化、资源永远不够的行业里，怎么把人和算力分给那些还没有答案的创新，以及愿意等这些创新多久，可能和技术判断本身一样重要吧。