研究员张鼎怀宣布已离开xAI强化学习岗

研究员张鼎怀发文称，自己已离开xAI一段时间。他写过去一年是职业生涯中最紧张、回报也最高的阶段，工作集中在前沿模型的后期训练规模化：稳定性、大规模训练和规模效率。

他本科就读北京大学数学系，在Mila跟随Yoshua Bengio攻读博士，期间在Apple机器学习研究和Meta FAIR工作，毕业后任微软新英格兰研究院高级研究员，随后加入xAI。

在xAI，他做强化学习稳定性、强化学习规模化以及编程强化学习的超大规模训练。预训练结束后，要用强化学习把推理、编程和智能体能力继续往上拉，并让数千到上万张图形处理器连续跑数日或数周而不崩溃、不突然劣化。

Grok 4.5发布时，他写过自己推动强化学习稳定性和能力的基础算法改动，日夜迭代基础设施，并执行真正前沿规模的大规模训练。该模型被定位为编程与智能体任务，训练使用数万张英伟达GB300，强化学习覆盖数十万项多步软件工程任务。

他感谢通宵作战室和系统崩溃后把训练重新拉起来的同事，称团队推进快、出问题就钻进去，直到系统重新工作。其学术工作还包括生成模型、概率方法和让模型在强化学习中自行调整课程的研究。

市场机制上，买单的是要在编程智能体上追赶对手的实验室算力预算，卖出的是能把大规模强化学习跑稳的少数研究员工时。事件由人员流动驱动，资金从合并后的平台流向仍能挖走后期训练骨干的对手；受益的是下一家能开出岗位的实验室，承压的是要把Grok编程能力继续往上推的训练排期。

来源：公开信息