首页 时政热点 科技头条 智能AI 安全攻防 数码硬件 开发者生态 归档 标签 关于
智能AI morning

思维链之父Jason Wei离开Meta,加盟200亿美元AI独角兽

2026-11-18 1 阅读 约10分钟阅读 机器之心
分享:
字号:
编辑|Neo Meta 超级智能实验室,又有一位重量级研究员离开了。 这次是被称为 「思维链之父」 的 Jason Wei 。 11 月 18 日, AI 创业公司 Mercor 联合创始人兼 CEO Brendan Foody 在 X 平台宣布,Jason Wei 正式加入 Mercor,担任 首席科学家(Chief Scientist) 。 Jason Wei 随后也确认了这一消息。他表示,在 Meta TBD Lab 度过了精彩的一年多后,自己很高兴加入 Mercor。他还特别提到,随着越来越多的公司开始训练 AI 模型,数据将塑造 AI 发展的下一个前沿。 值得注意的是,Jason Wei 的新东家不是 Google DeepMind、OpenAI 或另一家前沿大模型实验室,而是一家以 AI 人才招聘和专家数据服务起家的创业公司 Mercor。 就在一周前,Mercor 刚刚宣布完成 7.5 亿美元 D 轮融资,估值达到 200 亿美元 。 从 Google Brain 到 OpenAI,再到 Meta 超级智能实验室,如今 Jason Wei 又选择了 Mercor。这位大模型推理领域的重要研究者,为什么会把下一站放在一家 AI 数据公司? 从 Google Brain 到 OpenAI、Meta, 思维链之父的研究之路 在大模型研究领域,Jason Wei 是一个绕不开的名字。 Jason Wei 曾先后在 Google Brain、OpenAI 和 Meta 工作,研究重点涵盖大语言模型推理、智能体以及模型评测。 让他广为人知的,是 2022 年发表的论文《Chain-of-Thought Prompting Elicits Reasoning in Large Language Models》。 作为这篇论文的第一作者,Jason Wei 与 Google Brain 的研究人员共同提出了 思维链提示(Chain-of-Thought Prompting,CoT) 方法。 当时,大语言模型已经能够完成不少自然语言任务,但面对需要多步推理的数学问题时,往往表现不佳。 研究团队发现,与其让模型直接给出答案,不如在提示中加入包含中间推理步骤的示例,引导模型一步一步完成计算。 例如,一道数学应用题,普通提示可能只要求模型输出最后的数字,而思维链提示则会展示如何分析条件、列出计算步骤,再得出答案。 这项方法不需要修改模型参数,只需改变提供给模型的提示示例,就能显著改善足够大规模语言模型的多步推理表现。 此后, CoT 成为大模型推理研究中影响广泛的方法之一 ,围绕思维链的自一致性、推理路径搜索等研究也陆续出现。 2023 年,Jason Wei 加入 OpenAI,参与 OpenAI o1 和 Deep Research 等项目,也参与了多项模型评测基准的开发。 2024 年发布的 SimpleQA ,主要用于衡量大语言模型回答事实性问题的准确程度。它包含 4326 道有明确答案的问题,用来考察模型能否准确回答,以及是否知道自己无法回答某个问题。 2025 年发布的 BrowseComp ,主要评估 AI 智能体的复杂网络搜索能力。相比普通事实问答,BrowseComp 中的问题往往需要经过多轮搜索、信息筛选和交叉验证才能找到答案。 HealthBench 则面向医疗场景,通过医生制定的详细评分标准,从准确性、沟通质量、指令遵循等多个维度评估模型在真实医疗对话中的表现。 从 CoT 到 SimpleQA、BrowseComp 和 HealthBench,Jason Wei 的研究经历横跨了大模型推理能力的提升,以及如何评估这些能力。 2025 年 7 月,他从 OpenAI 转投 Meta 新组建的超级智能实验室,成为当时 Meta 从竞争对手手中招募的知名 AI 研究员之一。 如今,在 Meta 工作一年多之后,他再次选择了新的方向。 刚融资 7.5 亿美元, Mercor 是什么来头? 与 Jason Wei 过去任职的几家 AI 巨头相比, Mercor 的名字可能还没有那么广为人知。但在 AI 训练数据和模型评测市场,这家公司已经成长为一家估值 200 亿美元的独角兽。 Mercor 成立于 2023 年,由 Brendan Foody、Adarsh Hiremath 和 Surya Midha 共同创办。 公司最初从 AI 驱动的 人才招聘业务 切入,帮助企业寻找并匹配适合的人才。随着生成式 AI 快速发展,Mercor 逐渐将业务重点转向 为前沿模型公司提供专业人才、训练数据与评测服务 。 例如,一家 AI 实验室希望提升模型的金融分析能力,仅有通用互联网文本可能并不够,还需要了解金融工作流程的专业人员,帮助设计真实任务、评价模型输出,并提供高质量的训练样本。 Mercor 通过组织不同领域的专业人才,为 AI 模型训练和评测提供数据与反馈。目前,其专家网络已覆盖超过 500 万人,并成为前沿模型实验室的重要服务商。 11 月 10 日,Mercor 宣布完成 7.5 亿美元 D 轮融资,估值达到 200 亿美元,参与投资的机构包括 Benchmark、General Catalyst,以及英伟达、Salesforce 等。 不过,Mercor 的目标已经不止于向 AI 实验室提供专家数据。 在此次融资公告中,公司明确表示,新资金将用于进一步投资 模型评测、后训练基础设施,并构建让 AI 智能体学习复杂工作流程的环境 。 与此同时,Mercor 也正在把原本面向前沿实验室的能力扩展到企业客户。 不同企业拥有自己的业务系统、内部规则和质量标准。一款通用模型即便在公开基准上取得不错的成绩,也未必能够直接完成特定企业的工作。 因此,企业需要建立针对自身任务的评测体系,再利用专家反馈和专门的数据改善模型表现。 对于 Mercor 来说,这意味着业务正在从组织专家参与模型训练,进一步延伸到帮助客户评测、改进和适配 AI 模型。 而 Jason Wei 的加入,恰好发生在公司加大研究投入的阶段。 思维链之父与 LoRA 作者, 在 Mercor 汇合了 事实上,在 Jason Wei 加盟之前,Mercor 就已经开始组建自己的 AI 研究团队。 10 月 8 日,Mercor 发布了一篇题为《Why Mercor Is Building a Research Team》的文章,正式介绍了公司的研究计划。 其核心思路是:首先通过评测发现模型无法完成的真实工作任务,再利用领域专家理解失败原因、构建训练数据,通过后训练提升模型能力,最后重新评测改进效果。 为此,Mercor 正在研究真实工作任务评测、训练数据质量、模型后训练,以及人类专业知识如何推动 AI 能力提升等问题。 在真实工作评测方面,Mercor 已经推出 APEX 系列基准,涵盖管理咨询、投资银行、公司法律、会计和软件工程等职业领域。这些评测与传统知识问答不同,重点是检验 AI 能否完成具有实际工作要求的任务。 而在模型训练方面,Mercor 也已经公布了具体实验结果。在后训练研究中,Mercor 使用 Qwen3.5-3
这篇文章对您有帮助吗?

订阅66必读

每日精选科技资讯,直达你的邮箱