518
3活动预告🥳：8 月 22 日，我们会请到繁青做一场线上活动，还会有数十位 model researchers 参与，大家记得翻到 shownotes 末尾查看报名信息！
近几个月，我们找了很多做模型、算法的人交流，聊下来的感受之一是：数据的重要性再次凸显出来。
市场也有很明确的对应反馈，比如一批合成数据公司在很短时间内做出了可观的收入；无论是模型厂还是互联网大厂，都在数据上更为投入。
这期节目，我们请来了较早抓住这波合成数据机会的 Evolvent AI 联合创始人孟繁青。繁青是 01 年出生的 NUS PhD，曾在 Kimi 做过一年多的 Agent 和 RL Infra。
节目里，我们从他在模型厂做 Post-training 与出来创业的不同感受聊起，也相继把有关后训练、数据、RSI/Self-Evolving/AI for AI、国内模型竞争格局，甚至蒸馏这个相对敏感的话题，都比较完整地梳理了一遍，聊出的一个最大非共识，是繁青对国内外模型差异的判断：
原本我们以为，国内更有优势的会是偏工程的 Post-training；但在他看来，国内模型真正有特色的地方，反而是 Pre-training 阶段被资源限制倒逼出来的架构创新。
基于这个认知，我们也得出了一个让人乐观的结论：
很多人会说国模很依赖蒸馏，但繁青认为，蒸馏只是一个加速手段，并不是国内模型变强的决定性因素。就算有一天海外把所有蒸馏通道都封掉，国模依然可以靠预训练的创新能力，构建起自己的竞争力。
最后，Evolvent AI 最近发布了新的研究成果 RSIBench-Data。如果有朋友想在数据、RSI 方面进行交流，也欢迎联系繁青。
【人类博物馆】
导游：曲凯，42章经创始人
51 号珍藏：孟繁青，Evolvent AI 联合创始人；前 Kimi RL 实习生，foucs 在 RL Infra，参与 Kimi K2.5、Kimi Linear 等重要模型发版
【时光机】
Part 1 后训练与模型竞争
在 Kimi 和出来创业的感受有什么不同？
为什么 Post-training 背景的人更容易出来创业？有哪些可能性？
今天的 Bench 和 Eval，与过去相比有什么变化？
Post-training = 做数据、训模型的门槛在变低？
同样是做数据，拉开质量差距的是什么？
国内模型 vs 海外模型，优势其实在 Pre-training？
国模的竞争格局会怎样发展？最后大家要拼的是什么？
Part 2 RSI
RSI、Self-Evolving、AI for AI、Auto-Research……该怎么理解这些词？
如果 RSI 真的能转起来，模型是不是真的就要吃掉一切了？
假设模型真能自我迭代，创业公司为什么不直接做一个更好的基模？
要做好 RSI，本质上要解决什么问题？
RSI 继续发展下去，会引发怎样的变化？
Part 3 数据
模型对数据的需求经历了哪几波变化？
模型厂自己也能造数据，为什么还要外采？
数据的下一波机会可能是什么？
现在是「算法就是数据，数据就是 Infra，Infra 就是算法」？
怎么理解合成数据和蒸馏之间的关系？蒸馏技法的区别在哪？
Part 4 展望
模型现有的技术路线还有多大空间？
为什么最近 AI4S 火了起来？
相比于大厂，长期更看好初创模型公司？
蒸馏对国内模型追赶的意义到底有多大？
从合成数据到 RSIBench-Data，Evolvent AI 最终想做成什么？
【活动预告🥳】
8 月 22 日，我们会请到我们会请到繁青做一场线上活动，还会有数十位 model researchers 参与，感兴趣的朋友欢迎点击链接或扫描下面的二维码，一起来认识&交流！
【The gang that made this happen】
制作人：陈皮
剪辑：陈皮
片头：Mondo Bongo - Joe Strummer & The Mescaleros
片尾：GeGeGe - 光のサイン
