就在Meta的超级智能实验室大幕初启之际，不仅资金与算力资源充沛，首席执行官扎克伯格更是亲自下场提出"人人享有超级智能"的愿景。

然而正是在这个关键节点，Meta研究科学家Rishabh Agarwal通过推特正式宣布了离职决定。

让我们仔细品味他的离职感言：

这将是我在@AIatMeta的最后一周。是否继续加入新成立的Superintelligence TBD实验室对我来说是个艰难抉择，特别是在人才与算力如此集中的环境里。但在Google Brain、DeepMind和Meta度过了七年半时光后，我内心涌现出新的渴望——去迎接另一种形式的挑战。

读到这是否觉得这只是常规的离职辞令？且慢，他还补充了关键一句：

Mark与Alexandr Wang提出的超级智能团队愿景确实令人心动。但最终我决定践行Mark本人曾给予的建议："在这个瞬息万变的世界里，最大的风险其实就是拒绝冒险。"

颇具讽刺意味的是，扎克伯格当初这句激励团队的箴言，如今竟成了Rishabh递交辞呈的最佳注脚。

为了在人工智能竞赛中保持领先，Meta近期的招聘策略可谓激进。

扎克伯格为顶尖研究员开出了高达九位数的薪酬方案，甚至亲自通过电子邮件和WhatsApp等渠道从OpenAI、Google等竞争对手处挖掘人才，部分邀请的总薪酬甚至达到1亿美元。

截至8月中旬，Meta已成功从OpenAI引进超过20名精英，从Google招募至少13人，另有3名来自苹果，3名来自xAI，2名来自Anthropic，新增AI领域专业人才总数突破50人。

不过近期有消息称，在持续数月的大规模招聘后，Meta已于上周暂停AI部门的人员扩充，开始全面收缩团队规模并进行重组。

Meta的AI业务将被整合为研究、训练（待确定的TBD实验室）、产品与基础设施四大核心团队，多数团队负责人将直接向Wang汇报。此前负责Llama大模型开发的AGI基金会团队也在此次重组中正式解散。

或许组织架构的调整也影响了Rishabh的离职决定。但需要明确的是，Rishabh在Meta任职期间确实取得了切实成果。

据他透露，在短短数月内，他与团队在"思考型"模型的后训练领域实现了多项突破：

• 通过强化学习扩展技术，将80亿参数的稠密模型性能提升至接近Deepseek-R1水平
• 在中期训练阶段引入合成数据，显著提升强化学习启动效率
• 开发出更先进的在线策略蒸馏方法

纵观Rishabh的职业生涯，他在人工智能领域堪称实力派。

他毕业于印度理工学院孟买分校计算机科学与工程专业。

随后在加拿大魁北克人工智能研究院Mila攻读博士学位，专注深度强化学习前沿研究，师从知名学者Aaron Courville和Marc Bellemare。

Google Scholar数据显示，他参与的多项研究都具有广泛影响力，包括引用量分别超过2500和1200次的Gemini 1.5与Gemma 2；2021年发表的《Deep Reinforcement Learning at the Edge of the Statistical Precipice》和《Neural Additive Models》同样获得学界高度认可。

总体而言，他的学术论文总引用次数已突破1万次，h指数达34，i10指数为41。

其研究领域全面覆盖当今最前沿方向——多模态理解、开放语言模型、可解释神经网络以及离线强化学习。

从业经历方面，他目前兼任麦吉尔大学客座教授，自2024年9月开始执教。在加入Meta之前，他于2023至2025年间在Google DeepMind担任研究科学家。

更早之前，他在Google Brain服务五年，任职高级研究科学家专注深度强化学习，其研究成果曾荣获NeurIPS 2021最佳论文奖。2018年初他还在Waymo进行过实习。

对Rishabh而言，离职声明中那句"迎接不同类型风险"或许确实发自内心。

凭借着在Google、Meta等科技巨头积累的丰富经验与行业影响力，他完全有能力开启职业生涯新篇章，追寻更自由的研究空间或更广阔的发展平台。