从蒸馏到合成数据到 RSI，模型竞争的下一个焦点是什么？｜对谈 Evolvent AI 联创孟繁青

活动预告🥳：8 月 22 日，我们会请到繁青做一场线上活动，还会有数十位 model researchers 参与，大家记得翻到 shownotes 末尾查看报名信息！

近几个月，我们找了很多做模型、算法的人交流，聊下来的感受之一是：数据的重要性再次凸显出来。

市场也有很明确的对应反馈，比如一批合成数据公司在很短时间内做出了可观的收入；无论是模型厂还是互联网大厂，都在数据上更为投入。

这期节目，我们请来了较早抓住这波合成数据机会的 Evolvent AI 联合创始人孟繁青。繁青是 01 年出生的 NUS PhD，曾在 Kimi 做过一年多的 Agent 和 RL Infra。

节目里，我们从他在模型厂做 Post-training 与出来创业的不同感受聊起，也相继把有关后训练、数据、RSI/Self-Evolving/AI for AI、国内模型竞争格局，甚至蒸馏这个相对敏感的话题，都比较完整地梳理了一遍，聊出的一个最大非共识，是繁青对国内外模型差异的判断：

原本我们以为，国内更有优势的会是偏工程的 Post-training；但在他看来，国内模型真正有特色的地方，反而是 Pre-training 阶段被资源限制倒逼出来的架构创新。

基于这个认知，我们也得出了一个让人乐观的结论：

很多人会说国模很依赖蒸馏，但繁青认为，蒸馏只是一个加速手段，并不是国内模型变强的决定性因素。就算有一天海外把所有蒸馏通道都封掉，国模依然可以靠预训练的创新能力，构建起自己的竞争力。

最后，Evolvent AI 最近发布了新的研究成果 RSIBench-Data。如果有朋友想在数据、RSI 方面进行交流，也欢迎联系繁青。

【人类博物馆】

导游：曲凯，42章经创始人

51 号珍藏：孟繁青，Evolvent AI 联合创始人；前 Kimi RL 实习生，foucs 在 RL Infra，参与 Kimi K2.5、Kimi Linear 等重要模型发版

【时光机】

Part 1 后训练与模型竞争

• 01:15 在 Kimi 和出来创业的感受有什么不同？

• 02:36 为什么 Post-training 背景的人更容易出来创业？有哪些可能性？

• 04:37 今天的 Bench 和 Eval，与过去相比有什么变化？

• 07:12 Post-training = 做数据、训模型的门槛在变低？

• 10:35 同样是做数据，拉开质量差距的是什么？

• 12:48 国内模型 vs 海外模型，优势其实在 Pre-training？

• 17:09 国模的竞争格局会怎样发展？最后大家要拼的是什么？

Part 2 RSI

• 21:50 RSI、Self-Evolving、AI for AI、Auto-Research……该怎么理解这些词？

• 24:35 如果 RSI 真的能转起来，模型是不是真的就要吃掉一切了？

• 29:09 假设模型真能自我迭代，创业公司为什么不直接做一个更好的基模？

• 30:39 要做好 RSI，本质上要解决什么问题？

• 33:48 RSI 继续发展下去，会引发怎样的变化？

Part 3 数据

• 35:29 模型对数据的需求经历了哪几波变化？

• 39:07 模型厂自己也能造数据，为什么还要外采？

• 40:36 数据的下一波机会可能是什么？

• 43:00 现在是「算法就是数据，数据就是 Infra，Infra 就是算法」？

• 46:11 怎么理解合成数据和蒸馏之间的关系？蒸馏技法的区别在哪？

Part 4 展望

• 48:18 模型现有的技术路线还有多大空间？

• 49:33 为什么最近 AI4S 火了起来？

• 51:39 相比于大厂，长期更看好初创模型公司？

• 53:58 蒸馏对国内模型追赶的意义到底有多大？

• 56:18 从合成数据到 RSIBench-Data，Evolvent AI 最终想做成什么？

【活动预告🥳】

8 月 22 日，我们会请到我们会请到繁青做一场线上活动，还会有数十位 model researchers 参与，感兴趣的朋友欢迎点击链接或扫描下面的二维码，一起来认识&交流！

【The gang that made this happen】

• 制作人：陈皮

• 剪辑：陈皮

• 片头：Mondo Bongo - Joe Strummer & The Mescaleros

• 片尾：GeGeGe - 光のサイン