跳到正文
原文
IT之家·人工智能·· 2 天前AI 评分41

微软任职 14 年的 AI 科学家兰福德离职,称创新难落地、降本研究未获认真考虑

微软 14 年 AI 老将离职:称创新难落地,降本研究未获认真考虑

文章要点
  • 1在微软任职逾 14 年的 AI 科学家、AI Frontiers 实验室联合创始人约翰·兰福德已离职
  • 2兰福德称离开的关键原因是研究成果看不到实际应用路径,创新想法难获认真考虑
  • 3其约 50 人团队今年 9 月并入苏莱曼领导的 Microsoft AI 部门,双方研究路线分歧较大
  • 4其 8 月全带宽 Transformer 研究称 10 亿参数模型以更少训练数据接近 1.5 倍数据训练的常规模型
决策要点

实质是微软把扩大模型规模作为核心主线后,与研究创新路线的内部冲突公开化,并导致资深 AI 人才流失。

  • 影响:依赖微软模型的企业可留意其研发重心向规模化集中后的路线走向;自建 AI 团队的企业需正视研究到落地通道不畅带来的流失风险;重用内部状态类降本方法若获更多验证,算力预算假设可能要重算。
  • 参考:评估模型供应商时值得把微软 AI 的研究路线集中度纳入考量;测算算力预算可先跟踪全带宽 Transformer 与 Recycler 这类降本思路的后续验证;自建研发团队可考虑建立研究成果转化的评审通道。
  • 依据:离职原因为兰福德本人口径,经 Windows Latest 报道转述;全带宽 Transformer 数据出自其论文实验;Recycler 效果为报道转述的发布口径。
正文

IT之家 11 月 14 日消息,科技媒体 Windows Latest 今天(11 月 14 日)发布博文,报道称在微软任职逾 14 年的 AI 科学家、AI Frontiers 实验室联合创始人约翰 · 兰福德(John Langford)已离职。他表示,离开的关键原因是研究成果看不到实际应用的路径,创新想法甚至难以获得认真考虑。

Microsoft Research veteran who co-founded AI Frontiers, has left Microsoft

微软任职逾 14 年的 AI 科学家、AI Frontiers 实验室联合创始人约翰 · 兰福德(John Langford),图源:微软

IT之家查询公开资料,兰福德是机器学习领域资深且有影响力的研究者,长期从事机器学习与学习理论研究,其重要贡献是推进 Contextual Bandits(上下文多臂老虎机),与合作者在探索算法、学习问题归约及离线策略评估方面做出代表性工作,为机器学习系统利用不完整反馈改进决策提供了理论与方法基础。

兰福德所在的约 50 人团队于今年 9 月发生调整,被并入穆斯塔法 · 苏莱曼(Mustafa Suleyman)领导的 Microsoft AI 部门,但在研究路线、创新落地渠道和团队重组方式上存在较大分歧,因此兰福德决定离职。

兰福德承认,扩大模型规模确实能够改善预测效果,而且对企业来说,这条路线的回报更容易预期清晰。但他反对的是把扩大规模当成唯一核心,这会让工作重心过度集中在数据上,挤压探索新方法的空间。

Scott Langford and Mustafa Suleyman

Scott Langford 和 Mustafa Suleyman,图源:微软

兰福德个人倾向于研究创新,而 Microsoft AI 部门更偏重扩大 AI 模型规模,其争议主要涉及兰福德于今年 8 月发布的“全带宽 Transformer”研究。

该研究认为模型生成下一个词元时,不只是利用此前输出的词元,还会重新利用内部的中间状态,减少信息浪费。在论文实验中,10 亿参数模型能够以更少训练数据,接近或达到使用约 1.5 倍数据训练的常规模型表现,每个词元增加的计算开销则很小。

Microsoft AI models announced at Build 2026

Microsoft AI 模型在 Build 2026 发布会上发布,图源:微软

报道指出,字节跳动 Seed 团队在今年 10 月 25 日发布采用类似思路的 Recycler 研究,该方法以类似方式重用隐藏状态,且在推理和数学方面,能超越参数多两到三倍的模型。

来源:IT之家·人工智能 · ithome.com