Lilian Weng 回归 OpenAI，从事递归自我改进研究

Why it matters

OpenAI is reclaiming a third Thinking Machines cofounder and assigning Weng to research that could shorten the cycle for designing, training and evaluating successor models.

Lilian Weng (@lilianweng) 根据 The Information 周三的报道，将回到 OpenAI 工作，负责利用 AI 系统开发新模型。

此举将 Weng 带回她曾在其中工作近七年、涉及机器人学、应用 AI 和模型安全的实验室。她于 2024 年 11 月离开 OpenAI，几个月前刚刚成为研究与安全副总裁（vice president of research and safety），随后与前 OpenAI 首席技术官 Mira Murati 共同创立了 Thinking Machines Lab。

Weng 的回归发生在她本周决定离开 Thinking Machines Lab 之后。她将创业公司的工作归咎于对健康的影响，包括持续的压力和反复生病，并表示 7 月 29 日将是她的最后一天。Thinking Machines Lab 要求创始人承担广泛的职责并接受不确定的日程安排；Weng 表示她希望有更明确的界限和更可预测的工作环境。

OpenAI 为她安排了一项技术上有雄心的任务。Stephanie Palazzolo (@steph_palazzolo)（与 Amir Efrati 一起报道此事）将这项工作描述为递归式自我改进：使用 AI 帮助创建更好的 AI 模型。

Weng 已经勾勒出该研究议程的详细版本。在她技术博客上的7月4日文章中，她写道，递归式自我改进可以超出模型直接重写自身权重的范畴。AI 系统也可以改进用于生成后续模型的训练流程、工具、评估方法和部署软件。

这种表述使得周边工程系统——通常称为 harness——成为工作的核心。harness 控制模型如何规划、使用工具、管理上下文、记录结果并评估自身的尝试。自动化该循环的部分环节可以让研究人员运行更多实验、更快地改进训练方法，同时仍由人来负责目标设定、评估和计算资源分配。

Weng 的背景涵盖了开展该项工作所需的多个学科。她曾为 OpenAI 的 Dactyl 研究做出贡献，其中包括训练机械手解决 Rubik's Cube 的项目，然后转向更深入的模型安全工作。她随后建立并领导了 OpenAI 的 Safety Systems 组织，负责已部署模型的评估和防护。她的 Lil'Log 技术随笔还涉及了强化学习、奖励劫持（reward hacking）、自主代理、规模律和推理时的测试等主题。

这次招聘延续了 OpenAI 从离职人员中招募回帮忙建立 Thinking Machines Lab 人才的动作。今年 1 月，Thinking Machines Lab 的联合创始人 Barret Zoph 和 Luke Metz 回到 OpenAI，研究员 Sam Schoenholz 亦一同返岗。Weng 是 2026 年第三位返回的 Thinking Machines Lab 联合创始人。

这种人才流动之所以重要，是因为 Thinking Machines Lab 的融资在很大程度上基于 Murati 及其周围前 OpenAI 研究人员的履历。Thinking Machines Lab 在 2025 年以 120 亿美元估值完成了 20 亿美元的种子轮融资，但在融资时尚未发布任何模型或产品。该笔资金是对一个其主要资产为员工的 AI 研究团队所做的最大早期押注之一。

Thinking Machines Lab 通过其模型定制平台 Tinker 和在 7 月 15 日发布的开源权重模型 Inkling，开始将这些赌注转化为产品。Thinking Machines Lab 将其研究定位于可定制模型和人机协作，而不是单纯为争夺通用基准得分的最高位次而竞争。

Weng 的离开意味着在首个模型发布后不久失去了一位在模型开发、安保系统和研究管理方面都有经验的创始人。她去向的选择加剧了这一损失：OpenAI 正在收回那些曾部分作为 OpenAI 校友替代去处而创立的实验室中的研究人员。

对 OpenAI 来说，此次聘用为一个前沿实验室越来越视为加速模型开发手段的领域补充了一位经验丰富的研究领导者。OpenAI 最近发表的工作使用自我对弈训练自动化安全红队成员（automated safety red-teamers），这是另一个由 AI 系统生成并评估工作再反馈入后续训练的例子。

The Information 的报道未说明 Weng 的职称、汇报结构或入职日期。不过，所述的任务授权与她公开发展中的技术方向高度吻合：让 AI 闭合更多模型开发环路，同时应对可能使自动改进不可靠的评估、记忆和奖励设计问题。