*本文经过Qwen 3.8-Max润色。

2026年已过大半，我也刚刚结束了人生的第一份正式工作。此时此刻，终于有空做一个简短的年度回顾。

流水账

1-2月: 一边学LLM，一边面试；终于拿到了第一个offer。度过了新年和除夕。收到了朋友送的科研春联；顺便也给学校实验室贴了一张，开光一下。

这一年的春晚，宇树等机器人集体亮相，具身智能也算真正出圈了。

给您拜年

给您拜年

3月: 陆续拿到了几个不错的offer；最终决定去Qwen，想做全世界最好的开源大模型。这个月，祖师爷Richard Sutton和Andrew Barto因发明强化学习荣获图灵奖。Rich对研究的热爱与坚持、对AGI的独到见解以及对细节的极致把控，都令人深感敬佩。Amii内部也举办了一场小小的庆祝活动，大家都很开心。

The Turing Award Celebration for Rich in Amii

The Turing Award Celebration for Rich in Amii

本科刚接触RL时，我就被它的通用性和潜在的巨大影响力所折服，随即all in了这个方向的PhD和Master申请。那时研究RL的老师还很少，最终我来到了Edmonton这个冰天雪地的“破”地方。一晃七年已过，AI研究已发生天翻地覆的变化。无论是对我个人还是整个领域而言，前方都有很长的路要走。但在我心中，RL依然是通往AGI的必由之路。

临近月底，深感当下从事LLM post-training的人大多并不真正理解RL，于是决定写一篇科普博客，系统梳理相关的RL算法。没想到发表后颇受欢迎，浏览量恐怕比我所有论文的阅读量加起来还要多……

4月：开始撰写thesis，着手准备毕业。这个月，姚顺雨发表了博客The Second Half，被各大公众号广泛转载。至于后来他领着惊人的薪酬加入腾讯领导大模型研发，就是另一个故事了。随着工作尘埃落定，整个人终于松弛下来，去听了贝多芬音乐会，也重温了《幽灵公主》。

5月: 继续写thesis，参加Upper Bound。有幸受邀参加Openmind在马来西亚举办的活动，第一次体验了潜水的快乐，也第一次住上了私人游艇。

6月: thesis东拼西凑，总算写得差不多了。随即开启北美小环游！从Vancouver飞回Edmonton休整几日，再飞往Toronto，接着乘火车前往Montreal，之后坐大巴穿过美加边境抵达Boston，然后飞去Chicago，最后在Seattle逗留数日后飞回Edmonton。

图片由ChatGPT生成

图片由ChatGPT生成

一路上除了独自旅行，每到一个城市都会去见朋友们，并一一告别。山高水远，下次再见不知道要何时了。回到屯里后便开始收拾行李，极限卖家具，月底回国！

7月: 修改thesis。一周蛙泳速成。去杭州见了十多年未见的初中班主任和同学；去深圳见了老朋友们。

8月: 前往北京入职阿里，开启北漂生活。这个月也终于完成了毕业答辩，学生时代正式画上句号，感谢所有帮助过我的人！此外，还逛了WRC 2025，见识了各式各样的机器人。国内具身智能的创业氛围真是浓厚，竞争也极其激烈。开始dating，dating App的自我介绍改了一轮又一轮，拿出找工作的态度对待找对象这件事。

PhD Thesis Acknowledgment

PhD Thesis Acknowledgment

9月: 周中忙工作，周末忙dating。我本不是个讲究仪式感的人，但今年在乔老师的安排下，去长安街骑行，吃了生日蛋糕，过了一个充满仪式感的生日。非常感谢乔老师。

10-11月: 国庆回家，和家人逛了逛水亭门，感叹老家也是好起来了。这个月还去参加了NICE社区的第一次线下讲座，上台分享了RL的基础理论。
经过两个多月的高强度dating，在一轮又一轮的约会中，身心都逐渐疲惫：相似的开场、相似的话题，对面的女嘉宾换了一位又一位，却始终没遇到互相喜欢的人。正当我双目低垂、快要丧失希望之时，未来的女朋友满怀笑意，兴冲冲地向我跑来。约会几次后，我们自然而然就在一起了。果然互相喜欢的人无需刻意追求，真正成熟的爱情都是双向奔赴。不再困于孤独的恐惧，也放下了爱的执念。

划掉！

划掉！

11月还去千岛湖参加了公司团建。

12月: 在忙碌的工作中飞快度过。和女朋友一起迎接了新年。

书文影乐

2025年，我一共观看了98部影视作品及各类视频。回看自己列下的片单，大多已印象模糊，有些甚至要查豆瓣才想起来。印象最深的是《太空丹迪》，音乐上头，剧情疯癫，真可谓梦到哪里画到哪里。 今年最喜欢的新乐队是“八仙 8Immortals”，专辑《巨人川》中的每一首都奇异迷幻、光怪陆离，很久没有过这样的体验了。

满打满算，今年只读了5本书。其中两本是传记：一本是《埃隆·马斯克传》，另一本是美国副总统万斯的自传《乡下人的悲歌》。马斯克不愧是当代最伟大的企业家，但也确实不是个容易共事的人。

RLC 2025因毕业回国未能成行，但后来在YouTube补看了Dale Schuurmans的演讲Language Models and Computation。这是我今年听过最有insight的演讲了：长久以来，机器学习和深度学习的教科书多从统计学视角切入，分析各种算法与学习现象；而Dale的演讲将人拉回传统的计算机科学视角，从计算复杂性理论出发，重新审视Bellman equation和value function。最大的启发是，解决不同问题所需的计算复杂度各异，因此应对不同复杂度的问题，所需的最低计算量也各不相同。Think as a computer scientist, not just as a machine learning researcher or statistician.
说起来，Dale差点成为我的PhD导师。他在UAlberta任教多年，同时在Google Brain兼职，是我见过最聪明、最有见地的researcher之一，丝毫不亚于Rich。最难能可贵的是，尽管早已功成名就，他至今仍会亲自写代码做实验。

大模型

这一年，大模型继续狂飙突进。DeepSeek-R1与Kimi k1.5的tech report在年初相继发布，RLHF范式渐趋衰微，所谓的Agentic RL逐渐兴起。Chatbot不再是LLM唯一的应用形态；大模型开始学会调用各类工具、操控电脑，去完成复杂的长程任务。 而我也从一个LLM门外汉，逐步参与到Qwen模型的训练之中。 趁着年终总结，在这里记录一下2025年大模型的碎碎念。

  • Deep learning system本质上仍是function approximator，并不适合做严格的数学计算与符号推理。专业的事情应该交给专业的tool去做，效率更高，性能更好，成本也更低。
  • 无论是RLHF还是agentic RL，都未超出传统RL的理论框架。Recursive self-improvement (RSI) 本质上是在做meta learning。
  • 具身智能与大模型终将走向融合。The real world is more important and interesting.
  • 在我看来，如何低成本获取更准确、更密集的监督信号（reward signal），是实现AGI的最大bottleneck。若这一问题短期内无法解决，人们将不得不依靠积累更多高质量数据来绕过它：从“有多少人工就有多少智能”，转向“有多少高质量数据就有多少智能”。然而，问题本身的hardness并未被消解，只是被转移到了数据生产环节。
  • 正如深度学习曾彻底变革整个机器学习研究领域一样，大模型正在重塑深度学习研究本身。它取代了MLP、RNN、CNN、GAN、ResNet等传统架构，成为新的研究平台，广泛涵盖optimization、generalization、continual learning、memory、planning、safety、exploration、network architecture、meta-learning、robotics、AI for science等方向。大家正把过去在其他架构、其他领域做过的事情，在大模型领域重新做一遍。
  • 从探索novel idea的角度来看，工业界远远落后于学术界。因此即便身处顶尖AI lab，读paper依然有价值。工业界的优势在于，理论上能提供更多资源，快速验证idea是否work。对于有志于做research的AI researcher而言，当下的最优策略仍是去工业界做research。
  • Paper inflation愈发严重：每年产出的论文多到根本看不完。论文发表与否不再那么重要，但交流idea依然关键。顶级AI lab即便只发tech report、blog或arxiv，也会有大量读者。相应地，求职时个人论文数量不再那么重要，顶级AI lab的工作经历成了新的敲门砖。
  • 目前来看，整个领域对deep learning system的理论理解仍远远不够，且大幅落后于实验进展：understanding the learning dynamics of deep neural networks依然是一项艰巨但极有价值的任务。物理学的发展表明，一个学科的良性发展需要理论与实验共同进步，二者不能拉开太大差距，否则总有一方会拖后腿。当然也必须承认，如今的大模型确实很有用，已能解决诸多问题，极大提升了工作效率。
  • 点AI科技树不能过分集中，长期来看一枝独大对整个学科发展不利。当海量资本与人才一股脑涌入LLM这条拥挤的赛道，其他领域便会面临投入不足的困境。AI领域要实现长期可持续发展，同样需要做好exploration-exploitation trade-off。
  • 长期来看，人能做到的，AI必将能做到。因此除了掌权者与资本家，没有什么职业是绝对安全的。套用《资本论》中的一句话：程序员一手创造出了自己的掘墓人。
  • 读博这些年，我见过太多才华横溢的中国AI PhD。清北复交的AI博士们，丝毫不比海外培养的博士差。DeepSeek的成功也说明，中国不缺顶尖AI人才，更缺耐心资本和鼓励创新的环境。短期来看，GPU封锁是个问题，但也并非无解。长期来看，能否形成“技术-产品-消费-投资”的商业闭环，创造出真正提升生产力的AI工具，决定了这条路能走多远。
  • 在中美对抗的大背景下，AI领域的竞争势必更加激烈，早已超出纯粹的科研与技术范畴。未来十年的每一年，都会很刺激、很精彩。
  • 人类历史上的每一次工业革命都创造了巨额财富，深刻重塑了工作与生活方式。但与此同时，贫富差距也随之扩大，社会不稳定性加剧，分配问题因此变得愈发重要且迫在眉睫。

以上罗列的观点，站在2026年这个时间节点回望，许多已成为现实；剩下的就留待时间去检验吧。

漫长的成年式

2025年于我而言，是承上启下之年：漫长的学生时代落幕，更漫长的打工生涯开启。我获得了新的工作，也收获了久违的爱情；告别了生活多年的Edmonton，带着对RL的笃信与对AGI的信念，回到了家人身旁。走出象牙塔，归来已不再是少年。