这视频是 John Schulman（OpenAI 前联合创始人、强化学习（RL）专家，现就职于 Thinking Machines）接受 Cursor 采访的对话。他在对话中回顾了 OpenAI 的早期历程，探讨了强化学习的未来、AI 实验室的管理，以及他目前在 Thinking Machines 做的项目。 以下是内容和核心观点的整理： 一、 早期 OpenAI 的回顾与“快进”假设 复刻 ChatGPT： John 认为，如果带着现在的知识（Hindsight）回到 2018-2019 年，只需几个天才和几台 GPU，就能在一年内做出 GPT-3.5 水平的模型。关键在于巧妙的后训练（Post-training）数据构建，这能显著提高小模型的效能。 早期的“草根”氛围： 早期的 OpenAI 像是一个学术小组，大家根据个人口味做研究。 曾经的死胡同： 提到了一个叫 Universe 的早期项目，试图创建一个通用的强化学习代理，虽然想法正确，但当时工程能力和预训练技术还没跟上，领先了时代大约十年。 二、 强化学习（RL）的现状与未来观点 价值函数（Value Functions）为何遇冷：在目前的 LLM 强化学习（如 RLHF）中，价值函数似乎没起到太大作用。John 认为这可能与当前任务的时间跨度（Time Horizon）或方差减少的需求有关，但他预测价值函数未来会回归。 自我改进与对战：他非常看好生成器（Generators）与验证器（Verifiers）协同训练的理念，认为这能形成良性循环。他也支持多智能体对战（Games），因为对战可以自动产生递进的课程学习（Curriculum）。 持续学习（Continual Learning）：认为 Context（上下文）管理是短期内最有效的学习方式，但从长远来看，**权重更新（Weight Updates）**在处理海量知识和长时记忆方面会更胜一筹。 三、 关于 AI 研究环境与人才 研究管理者的理想型：John 见过两种成功的模式：一种是事无巨细、亲手写代码的技术型管理者；另一种是作为“共鸣板”，通过激励和职业建议来支持团队。 公司与学术界的差异：大型 AI 公司的内部研究更注重准确性和真实后果，而非为了发表论文；学术界则有更好的基准测试（Baselines）和详细的文字报告。 人才分布的变化：现在的 AI 领域吸引了更多“主流”且追求风险可控的精英。相比 2015 年，现在的门槛更高，且工程能力（Engineering Skill）比单纯的研究品味（Research Taste）更重要。 四、 AGI 预测与个人研究习惯 进度预估偏见：John 同意工程师往往会低估项目时间，通常需要乘以 2-3 倍的因子。 研究习惯：他喜欢在充满活力的咖啡馆思考和记笔记。在项目初期侧重构思，后期转入高强度的执行。 AI 工具使用：他重度使用 AI 辅助编程（如 Cursor、Claude），并利用模型进行文献搜索和迭代想法。 五、 Thinking Machines 与 Tinker API Tinker 的定位： 这是一个底层的微调（Fine-tuning）API，旨在抽象掉分布式系统和 GPU 管理的复杂性，让开发者能用简单的 Python 脚本执行复杂的后训练算法。 愿景： 希望下一代 AI 初创公司能直接在 Tinker 上构建自己的定制模型。