歡迎來到HH撲克 &德?lián)淙σ迅拿?HHpoker 您的約局神器!專注于線上德州競技,推薦加入排行(名)前十實力靠譜一線老牌聯(lián)盟俱樂部,德州牛仔、推推樂、Omaha奧馬哈、短牌應(yīng)有盡有!全天24小時HHpoker俱樂部客服聯(lián)系全方位對接。
早期的「爆款」通常都不會真的火，只是逐步積累影響力；
他表示他越來越喜歡用「飛輪」（flywheel）這個比喻來看待項目、職業(yè)、乃至整個機構(gòu)的發(fā)展。
動能可轉(zhuǎn)化為心智占有率，而后者一旦建立，僅需維持引力便能持續(xù)發(fā)揮影響。
像Sergey Levine（下圖左）和Pieter Abbeel（下圖右）這類教授，當(dāng)時炙手可熱，風(fēng)頭正勁。
所以他更多的貢獻(xiàn)是：
轉(zhuǎn)機在他挖出了導(dǎo)師Kris Pister的一封舊郵件。
而那時候，他開始堅持每周寫作，就是這一戰(zhàn)略最有力的驗證。
【新智元導(dǎo)讀】他不是天才，博士畢業(yè)0頂會論文，卻靠著堅持寫技術(shù)博客，因RLHF「網(wǎng)紅」博客文章一炮而紅，逆襲成功、躋身AI核心圈！技術(shù)可以遲到，但影響力不能缺席。這一次，是寫作改變命運。
這才算搭上AI的邊：
他的公開寫作對AI2有明確價值，而他也能持續(xù)鍛煉表達(dá)力、擴大影響力。 這樣的工作極其稀有，大多數(shù)公司并不會真的幫你個人成長。
這些「邊緣人社群」各有短長，最后大家都找到自己的落點。
許多時候，參與太多合作會讓人忽略一個問題：你是否能一個人把事做成？
他沒采納那種「研究生上課不重要」的建議，反而學(xué)到了不少扎實的基礎(chǔ)知識。
但后來，時差、文化差異等問題接踵而至。
這次合作從2018年春天開始。
做了第一個LLM排行榜；
有很多沖勁，但沒方向。
這是一種完全不同的角色定位。
在HuggingFace，他收獲了許多。
用慣性傳感器數(shù)據(jù)優(yōu)化步態(tài)、避障，甚至控制真實飛行器。
突破圈層的關(guān)鍵，不是資源而是契機+準(zhǔn)備。
此外，他還在特斯拉做過電池工程實習(xí)。
團隊只要稍微長大一點，可能就能帶來「瘋狂級別」的增益。
創(chuàng)造順暢推進(jìn)的環(huán)境。
FAIR的經(jīng)歷讓他真正學(xué)會了如何做實驗、寫代碼。
一開始就是不?！冈囁?、發(fā)布、調(diào)整； 早期的「爆款」通常都不會真的火，只是逐步積累影響力； 真正讓飛輪轉(zhuǎn)起來的，是多次的積累之后，勢能終于爆發(fā)。
論文鏈接：https://arxiv.org/abs/2305.18290
但聽完迎新會、看教授介紹，他立刻就被AI吸引了。
世界頂尖學(xué)術(shù)AI研究實驗室
Roberto對將機器學(xué)習(xí)應(yīng)用于飄升機（ionocraft）感興趣。
長期研究，就得真正做「長期」準(zhǔn)備。
2022年5月加入HuggingFace后，在ChatGPT問世前的七個月里，他認(rèn)為并未做出顯赫成果。
很多人會高估別人的執(zhí)行力，低估簡單方案的價值，然后被自己復(fù)雜的想法拖?。ǔ翛]成本效應(yīng)）。
他們更熟悉細(xì)節(jié)，也更擅長把新點子實現(xiàn)出來。
這條路很清楚：一旦你突破了第一道門檻，后面就會順一點——
之后，他堅持做研究，同時不斷教學(xué)來維持學(xué)業(yè)。
當(dāng)時，他做了扎實的工作。
博士畢業(yè)時，他沒有在NeurIPS/ICML/ICLR等頂會上發(fā)表過文章。
回頭看，那是他第一次意識到自己的特長：
導(dǎo)師幫他牽線認(rèn)識了當(dāng)時的Sergey Levine組的博士后Roberto Calandra。
盡管前面經(jīng)歷了不少波折，Nathan Lambert心里一直有一個明確的目標(biāo)——
把顯而易見但沒人做的事，及時簡單地做好。
早期在HuggingFace和剛進(jìn)AI2時，他一直推崇「多發(fā)模型」，但久而久之，這變成了團隊的負(fù)擔(dān)。
如何更有策略地使用積累的影響力？
而一旦有了清晰的個人品牌，故事就自然會往你這兒聚攏。
這個策略其實很簡單：
飛輪一旦足夠大，有時候什么都不做反而更有效：
對讀不讀完博士，無所謂。大不了拿個名校碩士。
所以他現(xiàn)在轉(zhuǎn)向更「少而精」的策略。當(dāng)飛輪已經(jīng)轉(zhuǎn)起來時，更少、更大的動作會更有價值。
剛加入AI2時，他也經(jīng)歷了一段適應(yīng)期。
盡管這些工作在都還不錯，但坦白說，沒有哪個項目足以「構(gòu)建職業(yè)基礎(chǔ)」。
比如在做RewardBench的時候，他整整三個月每天都擔(dān)心被別人「搶先發(fā)布」。
但這也伴隨著風(fēng)險。訓(xùn)練AI模型是個異常細(xì)致的過程，任務(wù)繁瑣、對小細(xì)節(jié)的執(zhí)行有極高要求。
他慢慢覺得不再快樂了。
https://www.interconnects.ai/p/my-path-into-ai
他希望AI能真正朝好的方向發(fā)展，而且堅信更開放的生態(tài)是實現(xiàn)這一目標(biāo)的最好方式。
而這，正是他始終心系的愿景：AI的未來不屬于孤勇者，而是屬于一群協(xié)力前行、彼此賦能的人。
在HuggingFace從事RLHF期間，他為開源社區(qū)做了很多基礎(chǔ)性工作：
他真正「出圈」的起點，是為HuggingFace寫的第一篇重量級博客——關(guān)于RLHF（基于人類反饋的強化學(xué)習(xí)）。
這條路，正好也反映了他的AI界朋友圈：一群「AI界的流浪玩具」。
項目自然流入； 推薦自然發(fā)生； 你會被當(dāng)成「AI開放科學(xué)的頭部人物」之一，而不必不斷自我證明。
這些為之后遇到契合項目時，他能快速接住、真正發(fā)力打下了基礎(chǔ)。
這是一套全新的能力，他還在學(xué)習(xí)。
指引方向； 提前清除潛在障礙； 創(chuàng)造順暢推進(jìn)的環(huán)境。
那段時間最有價值的，其實是：
在ChatGPT之前的那段時間，他在HuggingFace項目之間輾轉(zhuǎn)，基本是哪里有事、哪里需要人手就去哪兒。
每次和Roberto開會，他都「壓力山大」，生怕漏掉AI博士生「習(xí)以為?！沟臇|西。
這和他現(xiàn)在很多寫作動機一樣：寫作是最好的學(xué)習(xí)方式。
盡管當(dāng)時總覺得自己格格不入，但那份全身心投入的執(zhí)著對真正的研究彌足珍貴。
他形成了一個非常明確的觀點：
每日必須推進(jìn)技術(shù)進(jìn)展——或是重大功能，或是代碼優(yōu)化。
他不是從小泡在實驗室的「圈內(nèi)人」，而是靠韌性和創(chuàng)造力硬闖出來的。
他不想總是站在最前線親自帶隊，而是希望通過營造環(huán)境、鼓勵他人，讓更多重要項目得以發(fā)生。
FAIR實習(xí)+大量面試，幫他拿到第二個機會——DeepMind的實習(xí)。
這兩個概念緊密關(guān)聯(lián)卻存在微妙差異——
盡管實習(xí)體驗不盡如人意，但他由此積累了寶貴的技術(shù)經(jīng)驗與人脈資源。
而那時的他，卻低估了自己的價值。
如果他當(dāng)初去了那些「前沿AI實驗室}，可能早就被埋沒在其中，職業(yè)成長空間也被壓縮了。
還訓(xùn)練了一些有趣的小模型。
論文鏈接：https://arxiv.org/abs/2403.13787
RLHF技術(shù)博客「出圈」
把TRL庫現(xiàn)代化； 探索人類數(shù)據(jù)合同； 復(fù)刻數(shù)據(jù)集； 做了第一個LLM排行榜； 還訓(xùn)練了一些有趣的小模型。
不是每次實驗都要成功，但每次投入都能積蓄下一次的突破。
觀眾多了，維護(hù)公共輸出的成本也飆升。
到了2019年冬天，論文成為他的「頭等大事」，雖然最后論文完成了，但成文有點粗糙、略顯拼湊。
前提是你一直踩著油門往前沖。
結(jié)果它成了RLHF關(guān)鍵詞下的長期搜索熱文（雖然現(xiàn)在內(nèi)容已經(jīng)有點舊了）。
關(guān)鍵是要把「磚」一塊塊往上堆——
但一旦飛輪動起來，「發(fā)布頻率」反而可能成為負(fù)擔(dān)：
結(jié)果發(fā)了后，又過了三個月才有人發(fā)競品。
所以，RewardBench是RLHF獎勵模型的第一個評估工具。
這是他后來變得非常重要的能力。
我能獨立提出點子，并帶頭推進(jìn)高影響力的研究項目。
這讓他更容易脫穎而出。
拿下一份工業(yè)界研究崗，這對他來說才算真正「在AI領(lǐng)域站穩(wěn)了」。
如今AI研究如此熱門，太多人只求在簡歷上勾選這段經(jīng)歷，而非深究細(xì)節(jié)——
美國藝術(shù)與科學(xué)院與美國國家工程院（NAE）雙院士、斯坦福大學(xué)教授、NLP大牛Chris Manning，如獲至寶，甚至說Nathan Lambert的這兩項工作「救活了DPO」。
職場中的「飛輪效應(yīng)」
https://www.linkedin.com/in/natolambert/
因為在這個階段，高質(zhì)量的輸出才是短期目標(biāo)，而「被關(guān)注」是一個復(fù)雜得多的長期變量。
最后，他以零篇NeurIPS/ICML/ICLR論文完成了AI博士。
當(dāng)時是HuggingFace的研究負(fù)責(zé)人Douwe Kiela，把他招進(jìn)去，領(lǐng)導(dǎo)人類反饋強化學(xué)習(xí)（RLHF）團隊。
偶爾，他也會做些學(xué)術(shù)指導(dǎo)，但非常保護(hù)自己的時間。
正是這個實習(xí)把他從「AI圈外人」帶到了「AI圈內(nèi)人」的軌道上。
? 作為組織，HuggingFace雖坐擁心智占有率，近期卻面臨動能不足。
之后一整年，他幾乎沒什么真正接觸AI研究的機會。
在AI2的這段時間，是他職業(yè)生涯中最容易被看清楚的一段。
轉(zhuǎn)機往往藏在別人不經(jīng)意的一句引薦里。
加入HuggingFace，對Nathan Lambert來說也算幸運，避開了一些聽起來更誘人、但后來大裁員或轉(zhuǎn)型的公司。
論文鏈接：https://arxiv.org/abs/1901.03737
他寫了很多申請，但直到畢業(yè)才拿到一些撥款，也算是前人栽樹，后人乘涼。
他的學(xué)術(shù)背景是MEMS（微機電系統(tǒng)）、高能物理/激光。
他們嘗試了用于強化學(xué)習(xí)的合成環(huán)境項目Simulate，但其實他們?nèi)耸指静蛔恪?/p>
不管如何，與此同時，他找到了屬于自己的定位：做開放科研的溝通者。
這不是謙虛，而是想說明：
當(dāng)飛輪啟動，維持節(jié)奏比盲目奔跑更重要。
Ai2的高級研究科學(xué)家Nathan Lambert，最近分享了他如何走上AI之路。
周圍的同事，年輕、優(yōu)秀、富有驅(qū)動力。
讓人沒想到的是，這類崗位會在他畢業(yè)一年后幾乎「消失殆盡」。
上課、讀論文，基本是獨自暗中摸索。
所以只要成為其中之一，收獲會非?？捎^。
事后回顧，Nathan Lambert認(rèn)為入學(xué)前，他已有一些些基本特質(zhì)：
他曾主動聯(lián)系Levine和Abbeel，希望加入他們的研究組，但都被婉拒。
博士生導(dǎo)師曾對他說過：「每天專注4小時，你也能改變世界?！?/p>
在他剛加入時，Ai2正好在訓(xùn)練Tülu 2 70B。
真正理解了開源AI社區(qū)是怎么運作的。
大多數(shù)人放棄得太早了。
其實那時他沒實現(xiàn)過RLHF算法，也沒完整讀過論文，只是為了搞懂新概念就動筆了。
突破點：公開科研溝通>技術(shù)產(chǎn)出
科研不是單一角色的戰(zhàn)場，推動科學(xué)進(jìn)展的，是一個個看似不起眼、但密不可分的角色組合。
優(yōu)化腿部幾何形狀的學(xué)習(xí)算法；
盡管注意力總量雖然在增長，但真正被關(guān)注的人反而在減少——
一開始就是不?！冈囁埂l(fā)布、調(diào)整；
在Diffusers庫，他做了一些邊緣性的貢獻(xiàn)，還做了不少關(guān)于負(fù)責(zé)任AI的研究。
這很充實、也很有趣。
雖然他一直把自己當(dāng)「強化學(xué)習(xí)傳人」，但也沒想太多，寫完就發(fā)了。
現(xiàn)在，他花很多時間思考：
之后，他加入了Allen人工智能研究所（Allen Institute forAI，簡稱AI2）。
練出了穩(wěn)定的工作習(xí)慣； 真正理解了開源AI社區(qū)是怎么運作的。
短期研究要產(chǎn)生影響，最有效方式就是把它接入模型訓(xùn)練流程；
Roberto Calandra現(xiàn)任德累斯頓工業(yè)大學(xué)正教授（W3教授級別），并領(lǐng)導(dǎo)該校「學(xué)習(xí)、自適應(yīng)系統(tǒng)與機器人」實驗室（LASR）
相信只要肯努力多年，多數(shù)人都能做成很難的事。不是不夠努力，是沒堅持夠久。
其中最寶貴一課，是如何積累勢能（momentum）和心智占有率（mind-share）。
2017年秋天，他開始在加州大學(xué)伯克利分校電氣工程與計算機科學(xué)系讀博。
? 個體持續(xù)積累動能換取行業(yè)影響力；
如今，他的谷歌引用數(shù)已有5千多，h指數(shù)為32。
HuggingFace如果當(dāng)時能擴張團隊，并配上合適的技術(shù)領(lǐng)導(dǎo)，可能能將影響力擴大好幾倍。
就像創(chuàng)業(yè)公司在找到產(chǎn)品市場匹配（PMF）前，要不斷試錯迭代，職業(yè)生涯也需要不斷點火：
秋天錯過了一次會議投稿，而且很多實驗都失敗了。
真正讓飛輪轉(zhuǎn)起來的，是多次的積累之后，勢能終于爆發(fā)。
為機器人生成「復(fù)雜地形」進(jìn)行測試；
真正的轉(zhuǎn)機出現(xiàn)在2019年，Roberto問他要不要跟他去FAIR（Facebook人工智能研究院）實習(xí)。
技術(shù)最終服務(wù)于人，好的科研不是一個人的沖刺，而是一群人的合力。
練出了穩(wěn)定的工作習(xí)慣；
在AI領(lǐng)域，太頻繁發(fā)模型，會讓我們來不及掌握、完善下一個模型； 觀眾多了，維護(hù)公共輸出的成本也飆升。
他不再是那個親自下場刷代碼的人，而是負(fù)責(zé)讓項目走得更遠(yuǎn)、更穩(wěn)的人。
現(xiàn)在，他已轉(zhuǎn)變了工作方式，已經(jīng)完全可以「因人隨事」而定。
用仿真優(yōu)化新設(shè)計，再用硅材料制造出來測試；
基礎(chǔ)不是障礙，反而是勢能的起點。
雖然未能如愿，但他并未氣餒，反而堅持不懈，一直在主動爭取機會。
但其實，即使是「顯而易見」的事，也很少有人認(rèn)真去做。
這份工作對他來說，幾乎是最理想的狀態(tài)：
基本不做線上社交（線下少量），大多數(shù)合作都會婉拒。
最難的是第一步，而愿意埋頭學(xué)基礎(chǔ)的人，最終會在別人止步之處繼續(xù)前進(jìn)。
那正是深度強化學(xué)習(xí)的高光時刻，相當(dāng)于今天RL熱潮的「前浪」。
但他沒能真正融入伯克利AI實驗室，也沒有AI方向的朋友，身邊全是EECS電氣工程那邊的同學(xué)。
Diffusers提供最先進(jìn)的預(yù)訓(xùn)練擴散模型，支持圖像、音頻甚至分子3D結(jié)構(gòu)生成
很會專注，能獨自鉆研技術(shù)難題。 相信只要肯努力多年，多數(shù)人都能做成很難的事。不是不夠努力，是沒堅持夠久。 對讀不讀完博士，無所謂。大不了拿個名校碩士。 有很多沖勁，但沒方向。
他另辟蹊徑，選擇了競爭沒那么激烈的方向。
很會專注，能獨自鉆研技術(shù)難題。
目前，該項目已不再積極維護(hù)和開發(fā)。
但日積月累，鍛煉了好習(xí)慣。
你會被當(dāng)成「AI開放科學(xué)的頭部人物」之一，而不必不斷自我證明。
（即使慢一點、質(zhì)量沒那么高、過程沒那么好玩——重點不在貶低團隊，而是看清自己的能力邊界。）
真正的成長不是「更努力」，而是「更聰明地努力」。
當(dāng)你愿意從舞臺中心走下來，才能搭起更大的舞臺。
比如HuggingFace最具影響力的模型之一——Zephyr Beta，就是基于他幫助搭建的基礎(chǔ)設(shè)施完成的。
在AI領(lǐng)域，太頻繁發(fā)模型，會讓我們來不及掌握、完善下一個模型；
通過RewardBench這類重要的學(xué)術(shù)項目，他表示自己建立了信心：
最終他加入HuggingFace，那是唯一一份符合他要求的工作。
現(xiàn)在，Chris Manning首次提出直接偏好優(yōu)化DPO的論文，被引用了3000多次。
勢能來自每天一塊磚，而不是坐等奇跡。當(dāng)別人還在等待大項目，他已經(jīng)靠「基礎(chǔ)活」攢下了存在感和專業(yè)度。
盡管起步艱難、幾經(jīng)波折，他依舊在AI領(lǐng)域站穩(wěn)腳跟、有所成就。
盡管在技術(shù)上，Nathan Lambert表示這些項目與DPO沒有直接關(guān)系。
在AI實驗室趨于封閉、外界關(guān)注度飆升的當(dāng)下，只要持續(xù)做與AI相關(guān)的事，在公眾眼里的成長就會指數(shù)級上升。
但堅守HuggingFace的文化，堅持日拱一卒：
研究生生涯后期，他在心理健康資源頁面上專門列了份「研究現(xiàn)實清單」，記錄所有不如意的事情。
京公網(wǎng)安備 11010702001433號