新智元报道
编辑：倾倾
【新智元导读】2026年2月，，，，，，，，Grok的焦点成员Jiayi Pan和Toby Pohlen相继脱离xAI。。。。。。 。这似乎是某种预示，，，，，，，，或许通往AGI的路不是算力规模，，，，，，，，而是要领的突破。。。。。。 。
2月26日，，，，，，，，xAI Grok 4团队焦点成员Jiayi Pan宣布去职
在去职声明中，，，，，，，，他谢谢了团队所有成员，，，，，，，，给马斯克留足了体面。。。。。。 。
险些统一时间，，，，，，，，Grok团队的另一位焦点研究员Toby Pohlen也宣布去职。。。。。。 。
他在X上阴阳Grok的事情机制，，，，，，，，称「没有人能比你们更能熬夜」，，，，，，，，然后@官方，，，，，，，，果真叫板。。。。。。 。
两人都是grok团队的主要孝顺者，，，，，，，，却在48小时内相继脱离，，，，，，，，这让外界对xAI内部状态爆发了更多推测。。。。。。 。
4年，，，，，，，，Jiayi Pan从一个初学者生长为Grok 4的焦点孝顺者，，，，，，，，又选择了一条与巨头算力竞赛截然差别的手艺路径。。。。。。 。
四年蜕变
从AlphaGo迷弟到Grok 4孝顺者
Jiayi Pan的AI之路始于2019年。。。。。。 。
他本科就读于密歇根大学，，，，，，，，获得盘算机科学与电子盘算机工程双学位，，，，，，，，2023年结业。。。。。。 。
那时，，，，，，，，Jiayi Pan对RL还一无所知。。。。。。 。据他自己回忆，，，，，，，，当导师提到RL时，，，，，，，，他下意识想到的还只是AlphaGo。。。。。。 。
2023年，，，，，，，，他进入加州大学伯克利分校攻读博士，，，，，，，，研究语言模子与视觉/机械人学的团结。。。。。。 。
在Berkeley的早期项目中，，，，，，，，他开发了SWE-Gym，，，，，，，，这是一个将RL引入软件工程领域的情形。。。。。。 。
代码传送门：https://github.com/SWE-Gym/SWE-Gym
该项目基于SWE-bench数据集的2294个真实GitHub Issue，，，，，，，，要求AI不但能读懂代码，，，，，，，，还要天生可通过测试的Patch。。。。。。 。
这为他后续的TinyZero研究——让AI学会修正自己，，，，，，，，涤讪了基础。。。。。。 。
2025年5月，，，，，，，，Pan加入xAI的Reasoning团队，，，，，，，，4开发的焦点成员之一。。。。。。 。
在xAI的9个月里，，，，，，，，他加入了强化学习�？？？？？？？榈挠呕�，，，，，，，，推动模子从简朴展望向自我验证演进。。。。。。 。
也正是在这段时间，，，，，，，，他启动了TinyZero项目。。。。。。 。
30美元的倾覆
TinyZero「羞辱」巨头
2025年，，，，，，，，Jiayi Pan在X上宣布开源TinyZero。。。。。。 。
这是一个仅需30美元训练本钱的3B参数模子，，，，，，，，通过纯强化学习实现了自我验证和推理能力。。。。。。 。
代码传送门：https://github.com/Jiayi-Pan/TinyZero
TinyZero基于Qwen2.5-3B基础模子，，，，，，，，使用veRL框架在Countdown和Multiplication等使命上训练。。。。。。 。
实验效果显示，，，，，，，，基础模子在Countdown使命上的准确率从0%提升到RL训练后的80%以上。。。。。。 。
这验证了一个假设：DeepSeek R1-Zero展现的自我推理能力，，，，，，，，不是靠海量参数堆出来的，，，，，，，，而是可以通过纯强化学习在小模子上复现的。。。。。。 。
通往高级推理能力的路径，，，，，，，，可能不需要5000亿美元的基础设施投资。。。。。。 。
统一时期，，，，，，，，Sam Altman宣布Stargate妄想，，，，，，，，妄想在4年内投资数千亿美元建设AI基础设施，，，，，，，，与Microsoft和Oracle相助。。。。。。 。
但据报道，，，，，，，，该项目因三方利益冲突而陷入障碍，，，，，，，，到2025年底，，，，，，，，一个数据中心都没建成。。。。。。 。
相比之下，，，，，，，，TinyZero的性价比拉满。。。。。。 。
无需海量数据，，，，，，，，无需重大资金注入，，，，，，，，纯靠RL，，，，，，，，在极低的算力下完成了要害突破。。。。。。 。
这或许也诠释了为什么Pan等焦点成员相继去职。。。。。。 。
当你已履历证了一条不依赖巨头资源的手艺路径，，，，，，，，留在算力军备竞赛中尚有意义吗？？？？？？？
蜕化了！TinyZero的元认知醒觉
TinyZero最引人注目的不是本钱，，，，，，，，而是它展现出的「元认知」特征。。。。。。 。
在Countdown游戏中，，，，，，，，模子不但会展望谜底，，，，，，，，还会在输出最终谜底前，，，，，，，，举行完整的试错与回溯。。。。。。 。
训练日志显示，，，，，，，，模子会频仍输出 标签，，，，，，，，内含自我质疑的语句。。。。。。 。
例如，，，，，，，，当盘算路径偏离目的时，，，，，，，，它会自动天生类似「Wait, that's wrong」的中心头脑链，，，，，，，，并连忙启动新一轮推演。。。。。。 。
这种行为模式此前只在DeepSeek R1-Zero等大规模模子中视察到。。。。。。 。
R1-Zero的训练历程中曾泛起「顿悟」式的能力跃迁，，，，，，，，而这通常需要数周的迭代。。。。。。 。
但TinyZero在3B参数、30美元本钱的条件下就复现了这一征象。。。。。。 。
Countdown使命中差别参数规模模子的PPO训练critic score曲线。。。。。。 �？？？？？？？梢钥吹�，，，，，，，，纵然是3B的小模子，，，，，，，，经由强化学习训练后也能展现出显着的能力提升。。。。。。 。
这证实，，，，，，，，Scaling Law认真堆砌知识广度，，，，，，，，而RL认真买通逻辑深度的最后一公里，，，，，，，，两者的团结纷歧定需要海量参数。。。。。。 。
随着TinyZero的开源，，，，，，，，这种自我纠错能力不再是巨头的专属手艺。。。。。。 。
任何开发者都可以在自己的笔直领域训练出具备思索后再回覆能力的AI。。。。。。 。
手艺拼图：自我进化的可能性
回首Jiayi Pan的研究脉络，，，，，，，，可以看到一条清晰的手艺路径：
在Berkeley时代开发的SWE-Gym，，，，，，，，将软件工程基准SWE-bench转化为强化学习情形，，，，，，，，训练AI修复真实代码问题。。。。。。 。这是让AI学会改代码。。。。。。 。
在xAI时代加入的Grok 4项目，，，，，，，，将强化学习应用于大模子推理能力的提升，，，，，，，，这让AI学会推理。。。。。。 。
而TinyZero的开源，，，，，，，，则证实晰推理能力可以在小模子上通过纯RL实现，，，，，，，，这是让AI学会自我纠错。。。。。。 。
当这三块拼图组合在一起，，，，，，，，一个更具想象力的可能性浮现：若是AI既能纠错，，，，，，，，又能改代码，，，，，，，，那它是否能优化自己的训练代码，，，，，，，，从而实现某种水平的「自我进化」？？？？？？？
而这，，，，，，，，正是2025年宣布的Humanity's Last Exam(HLE)基准所隐喻的场景。。。。。。 。
论文链接：https://arxiv.org/abs/2501.14249
HLE是一个多模态、超高难度的AI评估基准。。。。。。 。
现有的MMLU等测试已被模子以90%+的准确率攻破，，，，，，，，失去了区分度，，，，，，，，而当AI能力一连提升。。。。。。 。
人类需要什么样的「最后一道防地」来评估超等智能？？？？？？？
Jiayi Pan的事情，，，，，，，，无论是SWE-Gym、Grok 4照旧TinyZero都在迫近这个问题的界线。。。。。。 。
他已经脱离了xAI，，，，，，，，去向未知。。。。。。 。但他留下的代码和论文清晰地指向一个偏向：
高级AI能力的实现，，，，，，，，可能不需要依赖巨头的算力资源，，，，，，，，而是可以通过要领论的立异在更小的规模上告竣。。。。。。 。
这带来了手艺平权的可能，，，，，，，，也带来了危害扩散的隐忧。。。。。。 。
当任何开发者都能用30美元训练出具备自我纠错能力的模子，，，，，，，，RL训练的不稳固性、开源模子的伦理界线、失控危害的提防......这些问题都没有现成谜底。。。。。。 。
或许，，，，，，，，这确实是人类面临AI自我进化可能性的「最后一次考试」。。。。。。 。
而这场考试，，，，，，，，是所有人都需要加入的开卷考试。。。。。。 。
参考资料：
https://www.linkedin.com/in/jiayi-pan-88964132a/https://x.com/jiayi_pirate/status/2026733283518906703?s=20
https://x.com/远峰都会建设有限公司TobyPhln/status/2027188868059926705?s=20