模型与研究判断:三档播客的一年

《张小珺Jùn|商业访谈录》《晚点聊 LateTalk》和《42章经》最近一年的104期节目,把研究者、工程师、经营者与投资人的经历放在一起。几组问题反复出现:模型能力怎样进入真实任务,反馈从哪里来,研究经验怎样留下判断,技术变化又怎样影响组织与个人的选择。本文先沿关键对话讲清这些问题,再给出可以继续检验的研究判断;每期原节目与既有站内详解保留在文末。

沿着对话理解问题

预训练、后训练与Agent:不同嘉宾在判断什么增量

罗福莉谈到OpenClaw时,把自己的使用体验解释为从Chat走向Agent的变化。聊天主要交付一次回答;Agent还要看文件、调用工具、接收环境返回,再决定下一步。她认为,这使后训练和框架设计更重要:前者把希望的行为学进模型参数,后者安排模型当下看见什么、调用什么、何时检查结果。她所说的效率提升与资源分配变化,是对所谈项目和阶段的判断。

姚顺宇在另一场长访谈中强调系统工程:数据、基建、算法和评测要一起工作,排查研究流程的错误也很重要。他同时反对“预训练已经到头”的简单判断,认为自己仍然看得到模型学习新事物的潜力。把这两段话并读,会发现他们并没有回答完全相同的问题:Agent如何更好完成任务,与基座还能否继续学习,分别需要证据。

黄东旭、广密和戴雨森则从日常使用与行业观察谈到Coding Agent。他们描述了很大的Token消耗、代码产出和迭代速度,并由此判断工作方式正在改变。这些数字表达使用强度与个人体验,不能单独换算成交付质量或替代多少人。更值得追问的是,哪些环节变快,哪些错误仍由人发现,以及换一个任务后增量是否还在。

数据怎样成为反馈:成功示范、纠错经历与任务定义

谢晨把数据讨论从静态样本扩展到“因材施教”:模型已经会什么,在哪种环境中失败,下一批数据应该补什么。他以机器人先失败、再纠正并完成任务的轨迹说明,干净的成功示范与包含恢复过程的经历,教给模型的东西不同。谭捷则强调多样化数据的可扩展性,讨论仿真、人类活动视频和生成数据怎样补足昂贵的真实采集。 理想的成功轨迹主要呈现正常状态下的动作;恢复轨迹额外出现偏离状态、纠正动作与结果,因而提供了学习如何恢复的监督机会。是否真能提高鲁棒性,仍要在可比较的扰动和任务中检验。

逯雨鑫的个人训练案例把这个问题落到了具体行为上。他发现模型有时尚未完成任务就宣告成功,于是围绕这类失败准备有针对性的数据,再通过训练和评测查看行为是否改变。他口头报告,所选Agent评测的分数从约15提高到55至60,同时明确说其他评测可能下降。局部改进、迁移和保持是不同对象;节目简介中的Hugging Face热度榜,也不能替代能力评测。

吴浩哲遇到的错误甚至发生在模型推理之前:同一个“m”被理解为月或分钟,分析的时间尺度就变了。Dyna的Lindon Gao则比较不同机器人数据的广度、质量与成本。这些案例让“高质量数据”有了具体含义:它需要让输入、动作和结果对应真正要完成的任务。更多数据、更多轨迹或更像成功答案,都不能省掉这一对应关系的检验。

模型与系统一起设计:效率怎样改变实验的可能性

游凯超谈vLLM与开源基础设施时,把模型设计、实现方式和硬件约束放在一起。一个数学上看似便宜的算子,可能受访存、跨卡通信或调度限制;系统做得更高效,又会改变模型架构和应用能够采用的选择。联合设计的对象,是这些相互影响的具体环节,而不只是给一个现成模型加速。

孙宇涛解读Kimi K3报告时,也用注意力状态和专家通信的例子讨论这种关系。对研究者而言,这使“方法有什么新意”多了一层问题:它在目标硬件和完整任务里怎样运行,节省的资源是否转化为更长任务、更多验证或更可承担的部署。访谈中的解释可以帮助定位问题,具体实现与性能数字仍应回到相应论文和代码核对。

研究自动化的几个台阶:执行、选择实验与发现问题

田渊栋回忆与模型合作研究Grokking的经历:人提出方向,AI将想法转成代码和实验,研究循环明显加快。主持人继续追问,Coding之外还需要什么。他把熟练执行已有步骤,与从少量、新出现的现象中抽取概念分开;也承认优化算法、训练和算子这些第一层任务已经有实际价值,不需要等到AI能提出全新理论才开始。

刘子鸣给出了另一组具体对象。远期的“元模型”以候选模型为输入,预测其训练曲线;为取得监督,需要训练许多小而多样的模型,将模型与实测曲线配对。他希望这能在完整试验之前帮助判断哪些想法值得做,但原声在这一处没有给出候选模型的完整编码实现。这种预测与实验排序,还不能独自代表发现原先没有进入候选集的问题。

他也把近期工作与远期目标分开:先构建研究过程的记录环境,要求在下一实验前写清此前做了什么、得到什么结论,再记录后续动作,用于模仿研究者下一步动作。他在约一小时处明确说系统仍在构建,还没有开始按估计规模采集数据。因此,拟采集多少条记录、将来训练怎样的模型,属于计划与设想,不能写成已经完成的成果。

马骁腾从个人经验谈到research taste:读过几百篇论文后,细节不一定全记得,却留下了理解新工作、发现可能贡献的压缩判断。他提出可能需要轻量、可迭代的载体来保存它。把三场对话放在一起,可以分别追问:记录是否保存了判断,模型能否据此选择下一实验,它又能否提出一个新的、有价值的问题。

进入物理世界:信息表示、动作接口与硬件约束

刘先明用“Language is a drug”表达自己对自动驾驶中语言中间表示的批评。他担心,把复杂交互过早归纳成语言,会丢失任务相关的信息,并增加标注和规模化的限制,因而选择减少对显式语言表示的依赖。谭捷等嘉宾则讨论利用多模态模型已有能力的机器人路径。两者应放回具体输入、控制接口和任务检验,不能只按“用不用语言”判定谁更通用。

柯丽一鸣用筷子机器人等研究谈到智能与硬件的配合;Lindon Gao则以“大脑决定下限,身体决定上限”描述自己的长期判断:任务能不能做,与能多快、多稳、多精确地做,可能受不同环节限制。何小鹏、沈宇军和刘洺堉也从产品、本体、基础模型与数据说明各自选择。这里的分歧提供了可比较的变量,而非一个已收敛的答案。

陈哲与王淏楠讨论GPT-6 Astra时,将重点放到通用模型输出动作或位姿信息后,具身公司怎样分工。王淏楠描述过一种设想:小模型负责部署中的动作,在失败处借助更强模型纠正,再收集轨迹改进小模型。这条链需要分别验证判断、控制、纠错与学习;一次可用的演示,并不自动确认持续执行、时延、成本和新任务泛化都已解决。

产品与企业:怎样把模型接到已有的生活和业务里

张月光复盘妙鸭时,将流程设计与上下文设计作了区分:先限定输入输出可以让结果稳定,但下一类产品还需要理解,哪些信息能让模型真正帮助用户,再反向安排交互。Tristan谈Elys时也把注意力放在上下文如何流动;Ambi的莫子皓则强调交互成本,以及由环境变化触发的“AI在场”。三者的对象不同,共同提出的是信息怎样进入系统、何时值得行动的问题。

SAP的原欣把讨论带回已有业务知识。她用关务案例说明,Agent要理解的不只是文字,还有国家规则、流程、例外与人工核对方式;这些数据和流程不会因接入模型自动消失。吴明辉则用“SaaS已死”表达自己的软件与商业模式判断。两种立场都值得保留:前者强调已有组织知识怎样进入执行,后者强调软件怎样交付和收费,并非同一个问题的简单正反答案。

资本讨论中,莫傑麟与曲凯谈“ROI算账”,朱啸虎则基于当时的算力供需表达过“三年内无泡沫”的判断。它们有不同的对象和时间尺度:行业是否需要更多算力、一项业务是否产生价值、某项投入或价格是否合理,需要分别给出证据。本文保留这些观点的语境,不把它们变成当前市场结论或统一的创业路线。

组织与个人:不同经历怎样塑造了选择

曾鸣提出以任务替代岗位、发展AI原生组织的激进判断;阳萌谈到把组织能力沉淀为可调用的系统;RC介绍了多人、多Agent协作中的相互提醒与竞争行为。这些材料让组织设计有了可观察的对象:谁拥有上下文,谁能调用工具,出了错谁发现,怎样把一次纠正留给下一项任务。共享消息中的纠错,与形成可保持、可迁移的学习,仍然需要分别检验。

姚顺宇强调“靠谱”、做事细和系统排错,印奇回顾“聪明人的诱惑”,谢赛宁与刘子鸣则反复谈到问题意识和对机制的兴趣。他们的评价针对不同日常任务,不能拼成“想法不再重要”或“只有提出大问题才有价值”的人才层级。严谨执行、协作、问题发现与解释结果,都可能在一项长期工作中积累,也都有各自需要的条件。

Albert谈优化胜率,马骁腾重视探索,张津剑强调自己相信什么,苏庭灏把愿望落回“开心”。这些是具体人的判断,不宜合成成功学。理解它们,需要恢复当时可进入的选项、资源与合作者,以及他们愿意长期承担什么日常工作。技术、平台、成果、关系和生活分别怎样改变下一次选择,仍要由具体条件来回答。

把这些对话放在一起:本文的判断

本文判断:先辨认限制发生在哪一环,再讨论该增加什么能力

这些对话中的失败,可以发生在目标理解、信息保存、局部动作、验收或后续学习的不同位置。如果单位和时间口径错了,生成更漂亮的解释不会恢复原来的任务;如果工具接口丢了关键状态,增加同样的轨迹也未必有效。模型能力、数据、框架和参数更新,应与具体失败位置连接起来比较。

这给出一个可检验的预测:若替换更强模型后,系统仍反复发生同样的单位、状态或权限交接错误,而修正接口便稳定改善,增量主要来自工作流定义。若错误来自模型无法保留相关条件或在新实例中作出正确局部判断,则训练和表示可能更值得投入。对照需固定任务、预算与验收,不能只看一次展示或总产量。

还可以看一个本文自拟的工程算例:假设计算与通信不能重叠,其他开销相同,旧实现每步计算80毫秒、等待显卡间交换结果40毫秒,总计120毫秒;新实现把计算降到60毫秒,却让通信等待增到80毫秒,总计140毫秒,反而慢了20毫秒。只报告某个计算部分更快,会漏掉完整任务的成本。真实系统可以重叠计算与通信,因而更要按实际执行路径测量,而不直接套用这个简化加法。

最终任务完成也不能由局部判断直接代替。一个模型能发现另一个输出的错,不等于能把它改对;改对一次,不等于能学会并保持;在旧任务上保持,又不等于能发现新的重要问题。这些关系都可以研究,但需要逐步建立。

本文研究启发:用能够区分解释的实验检验research taste

先看一个本文自拟的小例子。某模型在旧测试上得80分,我们有两种解释:A认为它依赖答案线索,B认为它学会了任务约束。于是只移除线索,保持任务目标与评分方法不变,并事先写下预期——A预期约40分,B预期约75分,相对旧测试分别下降40分和5分。这个对照让竞争解释给出不同预测;实际差异仍需结合样本和噪声判断。再多跑一次旧测试,通常不能增加同样的信息。这里的分数只是示意,并非某项论文或访谈实验。

这个例子仍然由人给了候选解释。更强的研究判断,还应包括模型能否自己发现值得检查的异常、提出原先没有进入列表的问题、设计有区分力的对照,并在失败后改变解释。记录实验前判断、竞争解释与停止理由,可能为学习提供有用信息;只保存结果或把轨迹放入某个记忆模块,并不足以证明这些能力已经形成。

一个小规模检验可以固定底模、材料、工具和实验预算,对比原文检索、可编辑经验笔记与某种参数更新;在未见方向中,同时测问题发现、假设选择、实验设计和旧能力保持。让独立评审不知道系统来源,再用后续实验检验判断是否有用。若只提高旧任务排序效率,就只支持局部结论;若新问题与解释带来可重复增量,才有更强理由讨论taste的积累。

本文判断:长期路线要同时说明近期反馈和可带走的积累

“沿途下蛋”在多期节目中出现,但近端任务能产生收入,与它能让远期问题更容易,是两种联系。一个产品可能带来现金流,却不产生目标研究所需的数据;一个研究项目可能暂时不盈利,却留下方法、工程经验与合作网络。评估路线时,应分别说明会留下什么,而不是只用方向名称或融资规模代替。

对组织也一样。小团队可能少一层沟通,却仍会被资源、权限与验收反馈阻塞;大平台有资源,也要看研究者能否实际使用、亲手试验并得到解释。不同嘉宾选择大厂、创业或学术工作的理由,提供了这些维度,并不保证某一种身份天然带来完整研究能力。

可以把一个长期判断具体化为范围清楚的小行动:要补哪项尚未核实的信息,几周或几个月后会留下什么结果,什么反馈会使自己改判。尝试有成本,继续原路也会形成专长与约束。把这些条件写清楚,才能在认可过去积累的同时,为下一阶段保留可以使用的选择。

按问题继续读

研究taste与自主研究:记录、预测、选实验与发现问题

先看刘子鸣怎样区分研究过程记录、下一动作模仿与训练曲线预测,再看田渊栋如何区分执行熟练与新抽象;马骁腾提出经验压缩与载体问题,逯雨鑫的训练案例则把讨论落到具体行为、数据与保持的验收。

  1. 张小珺Jùn|商业访谈录 · 149. 亲历中美neo labs资本狂潮,和清华刘子鸣聊:AI for AI、机制可解释性和Max Tegmark · 站内详解
  2. 晚点聊 LateTalk · 178: 与田渊栋聊 RSI:模型自进化如何到来?
  3. 42章经 · 锐评国模与 Neo Lab,畅谈 RL 人生与 RLaaS | 对谈 Mind Lab 首席科学家骁腾
  4. 42章经 · 一个人、两周、数百美元,如何训出登顶 Hugging Face 的模型 | 对谈研究员逯雨鑫

Agent进入工作流:能力、上下文与协作怎样接起来

苏煜与罗福莉分别提供技术史和一线使用的观察,Henry的季报讨论产品与风险;再进入RC的协作案例和原欣的企业案例,比较工具可用与完整任务交付之间还要接上哪些环节。

  1. 张小珺Jùn|商业访谈录 · 139. 【Agent的综述】和苏煜聊Agent技术史、OpenClaw Moment、边界的消弭和社会的辐射 · 站内详解
  2. 张小珺Jùn|商业访谈录 · 138. 对罗福莉3.5小时访谈:AI范式已然巨变!OpenClaw、Agent范式很吃后训练、卡的分配、组织平权 · 站内详解
  3. 晚点聊 LateTalk · 156: 与 Henry 的「AI季报 26Q1」:OpenClaw、OpenAI vs Anthropic的三重对阵、自进化
  4. 42章经 · 用 Agent 动力学,和 40 个 Agents 一起为「人 + AI」做产品|对谈 Slock.ai 创始人 RC
  5. 晚点聊 LateTalk · 174: AI冲击企业软件巨头?与SAP原欣聊大模型to B的颠覆与边界

物理任务:语言、模型、本体与纠错数据

把不同表示选择与真实动作约束放在一起,再比较通用模型、本体和小模型如何分工。各期的任务、硬件和时间不同,不将分歧简化为同一榜单上的高低。

  1. 张小珺Jùn|商业访谈录 · 120. 小鹏新上任的刘先明首次访谈:Language是毒药、拆掉L、简单即美、换帅、小鹏的AI转型 · 站内详解
  2. 张小珺Jùn|商业访谈录 · 121. 对DeepMind谭捷的访谈:机器人、跨本体、世界模型、Gemini Robotics 1.5和Google · 站内详解
  3. 张小珺Jùn|商业访谈录 · 146. 对Physical Intelligence柯丽一鸣4小时访谈:Pi的开源模型研究,机器人的江湖、族谱与主角 · 站内详解
  4. 晚点聊 LateTalk · 184: 与陈哲的「具身季报26Q3」:Astra冲击后,通用模型会吃掉Robotics吗?
  5. 42章经 · 少有的同时做过 Agent、多模态和具身的人 | 对谈前混元多模态 RL Infra 负责人淏楠
  6. 张小珺Jùn|商业访谈录 · 154. 对Dyna创始人Lindon的3小时访谈:机器人世界的迷雾、分歧与抉择,修心、《沉思录》与王阳明 · 站内详解

组织与个人:恢复各自的处境再比较选择

曾鸣提出组织愿景,印奇与记者对团队事件的讨论呈现现实约束,梦琪和Albert回顾转型,苏庭灏则表达自己的价值取向。把愿景、经历、结果和愿意承担的日常工作分别理解。

  1. 张小珺Jùn|商业访谈录 · 153. 和曾鸣聊产业史观:残酷的真相、会消亡的公司、优秀≠卓越、“OAI、Anth大概率不是原生时代大赢家” · 站内详解
  2. 张小珺Jùn|商业访谈录 · 131. 印奇出任阶跃星辰董事长的访谈:聪明人的诱惑、取舍、超长链路残酷淘汰赛、阶跃函数和超多元方程 · 站内详解
  3. 晚点聊 LateTalk · 153: 阿里Qwen人事变动:误读、近况、伏笔和未来|solo
  4. 42章经 · 一个 AI 创始人的虚荣心、装,和愚昧之巅|对谈 invoko.ai 创始人梦琪
  5. 42章经 · 优化胜率而非赔率,把一件事做到理论上该有的样子|对谈连续创业者 Albert
  6. 张小珺Jùn|商业访谈录 · 151. 17岁被2026年ICML收录论文的小少年:我bet开心!开心!开心! · 站内详解

几个需要分清的概念

Agent围绕目标,读取环境信息、调用工具、执行动作并根据返回继续决策的系统。评价时应说明它能看见什么、能做什么,以及由谁判断最终完成。
后训练与上下文设计后训练在已有模型上更新参数,使某类行为更可靠;上下文设计安排当前输入、状态和工具返回。两者可以服务同一任务,但改变的对象不同,应分别测增量。
世界模型给定当前状态以及动作或其他条件,预测后续观察或表征的模型,可服务表示、规划、生成或模拟。预测逼真、动作一致和学到可迁移策略,需要不同证据。
研究taste在具体研究中发现有价值的问题、提出解释、选择对照、理解失败并决定下一步的判断。保存经验、调用经验和形成新的判断,并非同一能力。
元模型与研究动作模仿刘子鸣讨论的远期元模型预测候选模型的训练曲线;近端动作模仿拟从研究记录学习下一步操作。输入、监督和验收对象不同,不能因为都叫AutoResearch就合为一个已验证算法。
RSI与研究自动化研究自动化可以执行给定目标下的实验循环;递归增强还涉及上一轮改进能否提高下一轮研究能力。完全自主发现重要问题,又需要更进一步的验收。

这些材料能支持多大的判断

范围按上海时间、单集发布日期确定为2025年11月11日至2026年11月11日。录制时间、发布时间及节目后续补充可能不同,应依相应来源理解。

嘉宾的观点与自述经历不自动等于机构正式立场。记者转述、直接受访和本文推断分别处理,未将访谈中的实验、内部信息或经营数字当作已独立核验的事实。

不同访谈可能引用同一演示、论文或行业消息,重复出现不自动构成多份独立证据。正文中的研究检验属于本文设想,不是嘉宾已完成的实验。

全文保留节目入口;机器转录可能存在专名、数字、说话人及句级时间误差。本文不保证人工逐字听审,回听时优先使用原章节与明确音频区间。

证据边界与资料索引

阅读范围为2025年11月11日至2026年11月11日,按上海时间判断单集发布日期。节目清单对照当前官方RSS与小宇宙公开节目页;不推定已删除或不可访问内容的历史全量。

正文依据访谈原声、机器转录和对应节目介绍展开;说话人、专名与数字仍可能存在转录误差。部分逐句时码存在估计偏差,回听以原节目章节或明确音频区间为准。访谈中的实验、营收、估值与组织信息按发言人归属保留,未据此声称独立复现、财报审计或预测验证。

张小珺既有个案继续沿用原站内链接。其完整主题入口见下方资料索引,不为同一期另起重复全文。

张小珺Jùn|商业访谈录 · 36期
晚点聊 LateTalk · 46期
42章经 · 22期

张小珺访谈笔记库:按主题阅读 · 近期六期访谈详解