🎙️ AI纪元背后，构建者们（builders）是何方大佬呢？ 本期节目，让我们回顾WhynotTV对翁家翌的访谈。从清华姚班，到CMU，再到OpenAI后训练（Post-training）团队的核心成员，他是模型智能的重要塑造者，更是一个深谙“卖铲子”哲学的影响力制造者。 让我们走进他的世界，看一个在初高中就闯荡数学和信息学竞赛的少年，不断“投资未来的自己”，一步步走入世界AI风暴中心。他聊到“教一个 Researcher 做工程，比教 Engineer 做研究难得多”的论断，以及在OpenAI极高的人才密度中所看到的发展逻辑。最后，我们还会触及他的决定论哲学--在一切都是确定的剧本里，他为什么依然选择做一个“幸福的西西弗斯”？ ------------------------ ⏳ 时间轴： 00:30｜“投资未来”的少年时期：奥数，信息学竞赛（NOI） 01:48｜在清华姚班的 “信息平权”，评价体系的重构：“论文、比赛、GitHub Stars” 03:44｜为什么是 OpenAI 而不是读博？ 06:09｜“卖铲子”的工程品味与 GPT-3.5/4 有趣小细节 09:15｜为什么 OpenAI 能成功？信息在组织内实现无损的双向流动 10:21｜谁会先被替代？研究院，infra构建者，还是sales销售？ 11:12｜幸福的西西弗斯 12:17｜私货时间：我的信息学经历，人生的目标函数，科学的品味 ------------------------ 💡 本期核心洞察 1. 工程与科研哲学：“Engineering 是 Research 的底座” 在工业界实验室，核心竞争力在于 infra（基础设施）在单位时间内的迭代次数（例如一周迭代300次与30次的巨大差距）。 2. 评价体系：跳出固有评价体系，自创“函数目标” 比如他到本科老师提出的评价标准：论文、比赛、GitHub Stars，就是一种跳出绩点（GPA）导向、更符合工业界和学术界真实价值的评价体系。 3. 对组织与 AI 未来的判断 * OpenAI 的成功逻辑：信息在组织内能无损地双向流动；核心管理层（如 Infra 负责人）对系统有极深了解，避免了大型公司常见的组织臃肿。 * 职业替代性：他认为在未来，研究员（Researcher）最容易被替代，因为想法（Idea）是可以被建模和批量生产的；其次是 Infra 工程师；最后才是销售，因为销售涉及人与人之间的说服逻辑。 ------------------------ Reference： 视频播客 WhynotTV（小宇宙、B站等平台） 翁家翌：OpenAI，GPT，强化学习，Infra，后训练，天授，tuixue，开源，CMU，清华｜WhynotTV Podcast #4 ------------------------ “认知采样｜低比特备忘录”是一档专注分享AI新知与心得，探讨自我认知的播客节目。比特虽低，认真采样每一段认知。欢迎评论和订阅！🎉

我们也许很难想象，今天距离DeepSeek-R1模型的横空出世还不足1年。AI领域的发展是真真正正的日新月异。2025年被很多人称为Agent之年（year of agent），又被Andrej Karpathy纠正为Agent元年。作为OpenAI创始成员、特斯拉前自动驾驶负责人，Karpathy在2025年末发表了一篇长文回顾过去一年中AI工具的发展历程。 本期播客，我们将从这篇长文的几个论点出发，结合AI工具普通用户视角的体验与感受，聊一聊那些值得记住的里程碑。这是一场技术回顾，也许还可以成为思考如何与智能体协同生存的引子。 ------------------------ 00:00 技术路线的演进：从预训练（Pre-training）到有监督微调（Supervised Fine-Tuning）和人类反馈在环的强化学习（RLHF），再到基于客观验证奖励的强化学习（RLVR）的崛起 03:45 智能的本质：AI 是“灵魂”（Ghost）还是“动物”（Animal）？人脑与机脑不同的进化起点 05:20 2025年的热门工具Cursor的成功标志着“LLM App layer”的出现 07:30 命令行里的 AI 原生态：Claude Code CLI为什么比网页版 UI 更接近 AI 的终极形态？ 08:45 氛围编程（Vibe Coding）时代：代码成本低到可以“用完即丢”？ 11:00 谷歌Nano Banana：多模态交互的起点：从文本对话到白板、声音、图像的原生支持 12:30 个人心法分享：Nathan的2025年Github Copilot Agent实践案例 16:20 “我的模型额度不够用了！” 18:30 冰山下的AI脚手架：从基础模型（Cognitive Base Model），上下文管理（Context Systems），再到工作流架构（Workflow Structure）和提示词工程（Prompt Engineering） 20:15 结语与展望：谁是AI脚手架的搭建者？ ------------------------ 提到的名词与术语 人物/机构：Andrej Karpathy, OpenAI, Tesla, Anthropic, Tesla, Google 技术概念：SFT (有监督微调), RLHF (人类反馈在环的强化学习), RLVR (基于可验证奖励的强化学习), Vibe Coding (氛围编程), 提示词工程（Prompt Engineering） 工具：Cursor, GitHub Copilot, Claude Code CLI, Nano Banana, NotebookLM ------------------------ 两种智能 AI脚手架 Reference： 2025 LLM Year in Review | Andrej Karpathy Building a Personal AI Infrastructure (PAI) | Daniel Miessler ------------------------ “认知采样｜低比特备忘录”是一档专注分享AI新知与心得，探讨自我认知的播客节目。比特虽低，认真采样每一段认知。欢迎评论和订阅！🎉