突发！xAI核心RL研究员张鼎怀离职

智猩猩AI整理

编辑：没方

昨天，xAI 核心RL研究员张鼎怀宣布，自己已离开 xAI 一段时间了，目前尚未公布下一站。

这次离职值得关注的一个原因是，他做的恰好是当下大模型厂商越来越重视的一块，大规模后训练（scaling posttraining）。

张鼎怀本科就读于北京大学数学科学学院，随后前往 Mila，在图灵奖得主 Yoshua Bengio 团队攻读博士。博士期间，他曾先后在苹果机器学习研究团队（Apple MLR） 和 Meta FAIR团队实习。

毕业后，张鼎怀加入微软新英格兰研究院担任高级研究员，之后转入 xAI。

在 xAI，他主要研究RL 稳定性、RL scaling，以及 Coding RL 的大规模训练。简单来说，就是大模型预训练完成之后，怎么继续通过强化学习，把 Coding、推理和 Agent 能力往上推，而且要保证超大规模后训练能够稳定跑起来。

这也是 Grok 4.5 能力跃升背后值得注意的一条技术线。

在 Grok 4.5 发布时，张鼎怀曾专门提到，团队这次将RL Scaling 推到了新规模，该模型实现了顶级智能体编程表现。在这几个月，他主要负责 RL 稳定性与能力相关的基础算法改进，并持续迭代 RL 基础设施。

而最近 DeepSeek 和智谱的动作，更是把后训练的价值摆到了台前。

今年 7 月，DeepSeek 更新 V4-Flash 时明确表示，V4-Flash-0731 与 Preview 版本保持相同的模型架构和规模，只进行了重新后训练。

结果 Agent 能力却出现明显跃升，Terminal Bench 2.1 达到 82.7，DeepSWE 达到 54.4，DSBench-FullStack 达到 68.7。

智谱最近发布的 GLM-5.3 报告更直接，开篇就强调：“Scaling post-training is all we did for GLM-5.3.”

GLM-5.3 与 GLM-5.2 使用的是同一个 Base Model，没有重新训练更大的基座。

过去一个月，团队主要扩大训练环境、增加任务多样性，并继续扩大后训练计算规模。而 GLM-5.3 在复杂 Coding 和长时程 Agent 任务上继续明显进步，智谱内部 Code Bench 相比 GLM-5.2 提升约 50%。

可以看出，大模型能力竞赛，正在从单纯堆预训练参数和数据，进一步转向大规模后训练。

尤其是 Coding、推理和 Agent 这类能力，模型底座相同，并不意味着能力已经定型。谁能把 RL 跑得更大、更稳、更有效，正在成为下一阶段模型拉开差距的关键。

这也是为什么，像张鼎怀这样长期研究 RL Scaling 和训练稳定性的研究者，正在变得越来越重要。