研究員張鼎懷宣佈已離開xAI強化學習崗

研究員張鼎懷發文稱，自己已離開xAI一段時間。他寫過去一年是職業生涯中最緊張、回報也最高的階段，工作集中在前沿模型的後期訓練規模化：穩定性、大規模訓練和規模效率。

他本科就讀北京大學數學系，在Mila跟隨Yoshua Bengio攻讀博士，期間在Apple機器學習研究和Meta FAIR工作，畢業後任微軟新英格蘭研究院高級研究員，隨後加入xAI。

在xAI，他做強化學習穩定性、強化學習規模化以及編程強化學習的超大規模訓練。預訓練結束後，要用強化學習把推理、編程和智能體能力繼續往上拉，並讓數千到上萬張圖形處理器連續跑數日或數週而不崩潰、不突然劣化。

Grok 4.5發佈時，他寫過自己推動強化學習穩定性和能力的基礎算法改動，日夜迭代基礎設施，並執行真正前沿規模的大規模訓練。該模型被定位爲編程與智能體任務，訓練使用數萬張英偉達GB300，強化學習覆蓋數十萬項多步軟件工程任務。

他感謝通宵作戰室和系統崩潰後把訓練重新拉起來的同事，稱團隊推進快、出問題就鑽進去，直到系統重新工作。其學術工作還包括生成模型、概率方法和讓模型在強化學習中自行調整課程的研究。

市場機制上，買單的是要在編程智能體上追趕對手的實驗室算力預算，賣出的是能把大規模強化學習跑穩的少數研究員工時。事件由人員流動驅動，資金從合併後的平臺流向仍能挖走後期訓練骨幹的對手；受益的是下一家能開出崗位的實驗室，承壓的是要把Grok編程能力繼續往上推的訓練排期。

來源：公開信息