#763. 田渊栋剖析递归自我改进：把重复研究交给 AI，人去找新方向

跨国串门儿计划 · Oct 10, 2026 · 45m

📝 本期播客简介

本期我们克隆了：The Information Bottleneck · Yuandong Tian on Recursive Self-Improvement

原内容更新时间：2026-10-05

GPT-5 帮田渊栋研究神经网络里的 grokking 现象，让他的效率达到原来的 6 到 10 倍；他因此意识到，AI 不只是在辅助研究，也可能很快改变研究者的工作方式。

在 The Information Bottleneck 播客中，田渊栋从自己在 Meta FAIR 的研究经历，谈到递归自我改进还卡在哪里：模型能快速执行，却往往想不出值得探索的新点子。他也解释了为什么研究者需要从更高层提出问题、检验结果，以及为什么开源模型和更高效的学习机制会影响 AI 的下一步发展。

👤 本期嘉宾

田渊栋曾在 Meta FAIR 工作多年，长期研究深度学习、强化学习与神经网络可解释性，近期离开 Meta 联合创办 Recursive Superintelligence，致力于打造能自我改进的 AI。他与 GPT-5 合作研究神经网络的 grokking 现象，亲身体验到模型对研究效率的提升，也以此为契机探索递归自我改进。

⏱️ 时间戳

00:40 从优化到深度学习

08:26 无梯度探索与潜在表征

12:26 强化学习走向现实问题

24:46 大模型改变研究方式

34:46…