游乐游手机版
首页/AI教程/文章详情

OpenAI推理第一人离职,7年打造o3/o1/GPT-4/Codex

时间:2026-06-19 13:53
开放人工智能推理模型核心负责人杰里·特沃雷克离职,结束近七年任职。他主导了GPT-4、推理模型o1及代码生成模型Codex等研发,提出奇奇拉缩放定律。离职后计划探索公司在资源或政策上受限的前沿研究领域,如人工智能安全与对齐。

Jerry Tworek离职这事儿,在AI圈里引起了不小的动静。尤其是在他那篇告别小作文里,提到了一句“去探索一些在OpenAI难以开展的研究领域”——这句话迅速点燃了所有人的好奇心。到底是什么样的研究,连OpenAI这样的巨头都施展不开?现在问题的答案或许还不明朗,但至少我们可以先好好认识一下这位圈内大佬。

他在离职信里提到,在OpenAI快七年了,经历了不少美好和疯狂的瞬间,但总体来说,好日子占了大头。七年前加入,七年后离开,这节奏让人忍不住想问:大佬也和OpenAI有七年之痒?

不少OpenAI在职员工都在这条推文下回顾了和他共事的愉快经历,场面颇有点期末告别会的气氛。网友们则在评论区留下了大量的“感谢”和“赞叹”。

当然,也有因OpenAI流失重要人才而感到沮丧的朋友。不过评论区下面那条留言画风一转,笑点颇高。

很多人对Jerry的认知,可能都来自他那些零散分布在各处的采访和演讲,了解得并不全面。趁此机会,来全方位认识一下这位推理模型大佬,权当送别,也祝愿他开启全新的航程。

OpenAI推理模型第一人

Jerry Tworek,出生和成长都在波兰,华沙大学数学专业硕士,背景是硬核的纯数功底。他并不是一毕业就扎进AI圈的。离校后头五年,他先在阿姆斯特丹搞量化研究,成天跟期货市场的交易策略打交道——用优化理论和从噪声数据集中提取信号的技术,这一过程最终引导他走向了强化学习。

2019年,Jerry加入OpenAI,担任研究科学家,主攻神经程序合成、强化学习等方向。当时GPT‑2刚发布不久,OpenAI还是一家以非营利研究实验室为主的小型机构,名气远没有今天这么大。早期他参与了那个经典的机器人项目——用机器人手还原魔方,并在NeurIPS 2019深度强化学习研讨会上进行展示。

他也是最早一批参与“大规模预训练+算力扩展”路线的研究者之一。在ChatGPT还没有影子的时候,他就已经对模型推理表现出极大的兴趣。2020年GPT-3发布后,他开始着手研究如何评估和训练GPT-3,以解决推理和逻辑问题。

在那之后,他在各种公开演讲和访谈里多次强调对“推理”而非“模式匹配式生成”的重视。他更愿意把大模型看作是通过训练可以“学会思考过程”的系统,而不是一个黑盒文本预测器。这种理念,到后来直接催生了o1这类推理模型。

2019到2022年间,他在OpenAI做神经程序综合与大模型推理研究,涉及Codex、Copilot这类代码大模型,同时利用强化学习提升复杂任务上的推理与决策能力。2022年起,他开始担任OpenAI的Research Lead,带队研究“如何让大语言模型使用工具、解决STEM领域的困难问题”,包括插件和Code Interpreter等。

ChatGPT上线后,他的知名度骤升——作为ChatGPT和GPT系列模型的主要贡献者之一出现在公众视野。Jerry是GPT-4的首席研究员,领导了第一个推理模型o1的研究开发,被外界称为GPT-5推理机制和长思考能力的核心负责人。他还多次在访谈和播客节目中系统讲解GPT-5的思考方式和推理模型的路线演化。

2025年,他升任OpenAI研究副总裁。2026年1月6日,正式宣布离职,去向暂未公布。

下面附上他离职小作文的全文翻译。

Jerry离职小作文写了什么?

大家好,我做出了一个艰难的决定——离开OpenAl。

我在这里工作了将近七年,经历了许多美好和疯狂的时刻,但更多的是美好的时光。

我非常享受在这里工作的日子。我曾在机器人上进行强化学习的早期开发工作,还训练了世界上第一个编程模型,这些模型开启了大语言模型编程革命。

在DeepMind发布模型Chinchilla之前,我就发现了后来大家称为“Chinchilla Scaling Law”的现象。

我参与了GPT-4和ChatGPT的开发工作,最近还组建了一个团队,建立了一个新的缩放训练和推理计算范式——现在,它通常被称之为推理模型。

我结交了许多朋友,在办公室度过了许多个夜晚,参与并见证了数量可观的技术突破,还与许多被我视为亲密伙伴的人一同欢笑和担忧。

我有幸组建并壮大了我认为世界上最强的机器学习团队。

这是一段非常愉快的经历。尽管我要离开OpenAl去尝试探索一些在OpenAl难以开展的研究领域,但这是一家特殊的公司,也是世界上一个特殊的存在,它已然在人类历史的长河中占据了永恒的位置。

非常感激多年来OpenAI和你们对我的信任。这类时刻总让人感觉不太自然,但从积极乐观的角度看待,它们却可能成为促成伟大事物的催化剂。

我们一起让机器智能变得更加有用和可靠,我是忠实的ChatGPT推理模型用户。

再次感谢,感谢千千万万次。

保重身体,亲爱的草莓们。

Jerry

One More Thing

本来这篇文章写到这儿就该收尾了,但翻着翻着,不小心看到一条留言——粗看是个玩笑,细想却有点道理。

仔细想想,OpenAI流出的人才,离职时几乎都配上一篇小作文,这到底是不成文的规定,还是企业文化?确实是个值得琢磨的问题。

来源:https://www.aiagiai.com/16149.html
上一篇全球涌现“AI婚礼”,为何有人选择与AI结婚 下一篇我国算力基建年超222个亿元项目迈入万P时代
本站内容用于信息整理与展示,如有侵权或内容问题请及时联系处理。

相关推荐

补充同频道和同主题内容,方便继续浏览更多相关内容。

同类最新

继续查看同栏目最近更新的文章。

更多
内网RPA离线部署从依赖打包到7×24无人值守踩坑与避坑方案
AI教程 · 2026-07-02

内网RPA离线部署从依赖打包到7×24无人值守踩坑与避坑方案

这三年,内网RPA项目接了不下二十个。每次开局都像闯关——断网、缺依赖、多机同步、定时执行、批量分发、源码保护、AI离线化,八个坑一个比一个深。今天把这些实战经验整理出来,希望能帮正在内网搞自动化的兄弟们少踩点雷。 一、内网无网络环境怎么部署RPA流程:先搞清楚什么叫“真离线” 很多工具宣传“支持本

水利工程师用WorkBuddy写洪水报告效率提升3倍
AI教程 · 2026-07-02

水利工程师用WorkBuddy写洪水报告效率提升3倍

WorkBuddy开发者分享季 水利工程师AI提效实战:用WorkBuddy撰写洪水影响评价报告,效率提升3倍 WorkBuddy 效率 人工智能 开发工具 一、我是谁,为什么需要AI 先介绍一下自己——我是一名水利工程师,在湖南长沙的一家小型水利设计公司任职。当前行业环境不太

日志服务数据加工规则洞察仪表盘使用指南
AI教程 · 2026-07-02

日志服务数据加工规则洞察仪表盘使用指南

数据加工诊断仪表盘 想实时掌握日志服务加工功能的运行状态?直接从加工列表页点击那个“规则洞察”按钮,仪表盘就会立刻呈现出来。入口就在那儿,不绕弯子。 跳转后,你可以按作业名称、实例ID或源LogStore来筛选任务状态。比如下边这张图,展示的是当前实例ID(90c9d47714dbb807d47c1

基于RFID的固定资产管理系统技术架构与工程实践
AI教程 · 2026-07-02

基于RFID的固定资产管理系统技术架构与工程实践

固定资产管理难题是众多企事业单位的普遍困扰,资产数量动辄数千件,且广泛分布于不同部门、楼层乃至园区。传统人工盘点方式在工程维度上始终面临三大关键瓶颈:采集效率低下、数据闭环中断、状态同步滞后。使用条码枪逐一扫描标签,识别距离通常不超过30厘米,操作人员需逐个寻找并扫描,盘点效率完全受限于人力。面对5

WorkBuddy实战用AI搭建A股智能盯盘助手省心高效
AI教程 · 2026-07-02

WorkBuddy实战用AI搭建A股智能盯盘助手省心高效

炒股的朋友们想必都深有体会——每天重复盯盘、查行情、分析板块轮动,这一整套流程下来耗费大量精力。手动翻查数据不仅身心俱疲,还很容易错过关键买卖节点。今天我们就来聊聊如何打造一款趁手的盯盘工具,借助AI替你分担这些重复性工作。 背景:盯盘的核心痛点 股民都有同感——每天不只要查询单只股票的实时行情,还