访谈者 ：今天特别感谢翁家翌老师做客WhynotTV Podcast，咱们从您的童年开始聊吧，小时候您在学习上有什么特别的特点吗？
翁家翌：我从小特别喜欢奥数，一年级就开始学，一直学到六年级，初中也没停。做数学题比别人快，比如二年级口算题，别人刚写一半我就做完了，有点像"条件反射"式解题。不过我学新东西慢，得花别人2-3倍时间理解，但一旦吃透，用起来就特别顺，比如背书，睡前磕磕巴巴背下来，睡一觉第二天就能倒背如流。初中时还提前学数学，初二学完高中内容，初三开始啃微积分，就是觉得初等数学没意思，也想"投资未来"，为以后学习打基础。
访谈者 ：那您高中怎么接触到编程，又为什么走信息学竞赛（OI）这条路呢？
翁家翌：初一进私立校，学校有编程兴趣班，我爸妈让我试试，没想到就感兴趣了，虽然当时搞编程对升学没帮助。高中选OI是因为升学压力，非北京地区想上清华北大太难了。之前也搞过数学竞赛，但学校没基础，自学费劲，就转OI了。OI流程挺复杂，先参加OIP提高组省选（福建有两轮，寒假和4月），再进省队去NOI国赛，中间还能选清华或北大夏令营拿优惠。我高一省选都没过，高二靠"野路子"------比如一道最小双元覆盖题拿了70分全场最高，才进省队，最后NOI只拿了福建铜牌，还好清华夏令营给了降60分的优惠。
访谈者 ：到了清华本科，您最让人印象深刻的就是开源作业，当时为什么想做这件事？
翁家翌：我2016年进清华，大一就把没版权的作业、上古学习资料全放GitHub开源了。清华里"信息差"特别明显，有的同学能力强但不会搜资料，花十几二十小时钻牛角尖做无用功。我想打破这种差距，让大家平等获取信息，不用再疲于奔命找作业、问重点。现在清华计算机系学弟基本都知道我，比捐楼的人知名度还高，也算没白做。
访谈者 ：您本科也接触了科研，怎么误打误撞选了强化学习（RL）方向？
翁家翌：大二找实验室，学长推荐了朱军、谭杰、崔鹏三位老师，我按"以为的厉害程度"选了朱军老师。当时有贝叶斯、对抗生成网络（GAN）、RL三个方向，我本来想选GAN（觉得图像有意思），但不知道哪个是，就随便选了RL，结果发现是"打游戏"的方向，还挺有趣。不过最开始做RL科研挺痛苦的，环境单一、全靠调参玄学，比如做Wisdom游戏通关项目，得疯狂避免训练崩掉，全是 heuristic 方法。
访谈者 ：2020年疫情期间，您做了"天授"和"tuixue online"两个热门项目，当时怎么想到做这些的？
翁家翌：这俩都是"自驱力"驱动的。做"天授"是因为当时RL框架太难用了，比如RLlib有几十万行代码，抽象层太多，改都没法改。我19年12月就想整合自己的实验代码，20年2月看了一个月RLlib后，决定推倒重来，两周就写出第一版。代码简洁，每个算法不到20行，还能精准定位修改点，特别契合研究者需求，也算帮大家少走弯路。 "tuixue online"是因为疫情期间领事馆开关不定，我自己要查签证，找了一圈没合适工具，就写了个爬虫，开源后免费给大家用，后来总点击量有1000多万。不过疫情后需求少了，美国领事馆网站也升级了，就停更了。这俩项目都没功利心，我把它们当"慈善"，能帮到别人、获得正反馈，比发论文还满足。
访谈者 ：您从CMU读研时就拿到了很多大厂offer，最后为什么选OpenAI？
翁家翌：我2020年9月入CMU，因为疫情在家上网课一年，读研时就开始找工作。初期投18家只拿到Google和Auto ML的offer，后来又拿到幻方（DeepSeek）、英伟达、TikTok的offer。选OpenAI是因为它当时和DeepMind是RL领域最顶尖的实验室，我想看看前沿科研的"方法论"------不想再像学校里那样，几个PhD手搓项目，没章法。面试最后一轮是John Schulman出题，三小时任务我两小时就做完了，现场还修了个bug，他说觉得我GitHub项目做得好、工程能力够，就把我招进他的组了。
访谈者 ：您在OpenAI参与了GPT-3.5到GPT-5的核心开发，能聊聊核心贡献和工作难点吗？
翁家翌：我主要做强化学习、Post-training、Infra这三块。2022年7月加入时，ChatGPT还不是主线，3.5模型已经有了，但PPO pipeline不好用，初期我们做Web GPT后续版本，后来才聚焦Chat优化，用RLHF的instruction following方式。Post-training的概念是后来才明确的，初期都叫RL，没区分Pre和Post。 最难的是RLHF的性能衡量，比如容易出现reward hacking，选哪个checkpoint全靠"感觉"，最后只能靠人工交互体验、多人投票来定。而且工业级RL Infra和toy task完全不一样，模型大、要考虑高效采样和训练，不像小任务只卡环境瓶颈。现在还在攻克scale up的问题，比如更多GPU、更高吞吐，得懂RL、ML CS，还要会语言模型inference，挺有挑战的。
访谈者 ：您怎么看OpenAI的工作模式和闭源策略？
翁家翌：OpenAI初期像"大号实验室"，后来引入谷歌的经验，迭代效率提上来了。最大优势是人才密度高，大家能自发聊出创新想法，但公司规模大了，想保持小团队的硬核风格很难，得简化架构、少开无效会，保证信息流通------比如SAM和GREG能清楚知道全公司的技术进展，这点很重要。 闭源是"商业生存"和"AGI使命"的权衡。理论上开源利于AGI发展，但会被竞争对手抄作业，还影响融资，只能先顾着活下来。不过公司也不怕人才流失，健康的组织得有造血能力，任何人都能替代。现在外部竞争比如DeepSeek迭代快，内部也会警觉，我们更关注"单位时间内的迭代速度和成功率"，不是单纯比模型榜单成绩。
访谈者 ：最后聊聊您对人生和AI未来的思考吧，比如您之前提到"人生是场游戏，结算分是记得你名字的人数"。 翁家翌：我有点宿命论，觉得世界是确定性的马尔科夫过程，未来能预测，但会假装不知道，专注当下体验------毕竟人生是段旅程，别浪费了。希望AI能解决"预测未来"的难题，虽然可能对个人是灾难，但我想知道世界运行的规律。 现在也有创业想法，但没找到好idea，OpenAI目前还是不错的平台。不过最近有点迷茫，以前喜欢做RL Infra、追求Impact，现在觉得这些事"看到头了"，得重新找人生方向。10年后希望有足够资源，能做当时想做的事，比如继续搞点"帮别人"的项目。
访谈者 ：您对想进AI领域的年轻人有什么建议？比如选工业界还是学术界？
翁家翌：如果目标是进AI lab，别纠结读不读PhD------现在工业界更看重工程能力，读PhD反而可能错过行业窗口期。不如用Master当跳板，多做Infra相关项目，积累经验，比如搞开源、练代码优化能力。毕竟现在科研拼的是"Infra正确性"和"迭代速度"，idea很容易获取，能快速验证想法才是核心。而且别被固有评价体系绑住，比如GPA够用就行，找到自己的价值标准，比什么都重要。