揭秘ChatGPT背后的工程师：从清华到OpenAI的强化学习之旅

ChatGPT背后的男人：揭秘中国工程师在OpenAI的强化学习之旅

智东西最新报道，ChatGPT背后的一位中国工程师——OpenAI核心贡献者翁家翌，近日在AI播客WhynotTV Podcast接受独家专访，首次详细讲述了自己从清华少年到OpenAI infra骨干的传奇经历。

作为强化学习与后训练（Post-Training）系统的关键工程师，翁家翌深度参与了GPT-3.5、GPT-4、GPT-5等核心模型的训练，其搭建的infra系统已成为OpenAI内部大模型训练与迭代的基础底座，也是ChatGPT持续进化的关键支撑。

在这场长达两个多小时的对谈中，翁家翌不仅披露了OpenAI内部Post-Training系统的构建逻辑，还解释了OpenAI为何能持续产出爆款模型。

他还分享了他对AGI定义、OpenAI不“open”批评以及内部人才流动加剧等现象的第一手观察。

面对科技巨头抛来的橄榄枝，他为何最终选择了OpenAI？谈及职业方向，他又为何自称“卖铲子里最面向客户的那位”，并立下目标“我要最大化我在OpenAI Blog上出现的次数”？这场对谈，给出了答案。

01.从“卖铲子”到主导Post-Training，他是OpenAI模型背后的基础构建者

在OpenAI内部，几乎每一个大型模型的发布名单里，都能看到翁家翌的名字，他主导搭建了OpenAI强化学习后训练（Post-Training）阶段的核心基础设施。

“每发一个大的release，每发一个大的模型，我的名字就得放上去。”他说，“因为大家都在用整个Post-Training infra去训练RHF的模型。”

他说自己“是卖铲子里最面向客户的那位”，因为强化学习模块处在整个基础设施栈的最顶端。他还给自己的职业生涯设定过一个指标：“我要最大化我在OpenAI Blog上出现的次数。”

面对年轻人，他的建议仍是：持续投入工程建设，而不是学术研究。他不避讳地说：“长远来看，我还是觉得现代学术界应该要被重构。”在他看来，如果目标是进入工业界，最重要的是匹配真实的工作需求，“AI Lab最缺的其实就是Infra人才，infra是个无底洞。”

02.他为ChatGPT模型搭建后训练系统，也在重构下一代Infra

ChatGPT 3.5正式发布之前，OpenAI内部其实已开始在GPT-4上验证强化学习后训练（RLHF）流程的可行性。

翁家翌回忆，当时他负责的正是RLHF训练Pipeline的整体搭建：旧的infra是跑不动的，我在新infra上调通了第一版，先在4上做通，再迁回3.5。这套Post-Training系统随后被用于整个ChatGPT系列模型的训练中。

03.他在福建省队拿下“唯一一块铜牌”，叩开清华大门

面对“你小时候是个什么样的小孩”的问题，翁家翌从奥数讲起。他在数学上展现出超常的直觉能力，常常别人还在计算时他就已经写完了答案。

04.他在清华开源作业、修校园网Bug，误打误撞走进了强化学习

进入高校后，如果要说清华生活里最“出圈”的事，是翁家翌给把所有的作业都开源了。

05.那些看似“折腾”的科研尝试，成了他走向OpenAI的“前传”

自此，翁家翌开启了他的第一个科研项目：在一个上世纪90年代的游戏中训练神经网络，让智能体在固定地图里完成从出生点到终点的任务。

06.他用两个项目“做慈善”：天授与tuixue online，一炮而红

“我不想发paper，觉得没有意义。”翁家翌坦言。对他来说，多一篇少一篇论文并没有意义。“我申请已经够用了。”

07.加入OpenAI之前，他已彻底想清楚：要工程，不要“炼丹”

2020年，翁家翌远程开始了CMU的硕士课程。也正是在这段时期，他开始准备找工作。

08.OpenAI还“Open”吗？从AGI定义到组织焦虑，翁家翌给出答案

在翁家翌看来，“Agent”和“强化学习的post-training”之间没有本质差别。“它们本质上是一个东西。”他认为，在技术路径上，环境变化是主要区别。

09.如果AI真的能预测未来，人类该不该按下暂停键

在这段对话的最后，话题转向了一个更抽象的问题：如果让AI去解决一个世界难题，翁家翌最想做的是什么。他给出的答案是如何预测未来。