Nathan Lambert
AI 研究者・《Interconnects》作者
關於
Nathan Lambert 是一位機器學習研究者，以後訓練（post-training）與人類回饋強化學習（RLHF）方面的工作聞名。他在加州大學柏克萊分校取得博士學位，研究基於模型的強化學習與機器人控制；其後協助 Hugging Face 建立 RLHF 研究團隊，並在艾倫人工智慧研究所（Ai2）領導後訓練工作，形塑了 OLMo 與 Tülu 等完全開放的模型系列。他著有 RLHF 領域的參考教科書，並撰寫廣受閱讀的技術電子報《Interconnects》。2026 年他離開 Ai2 創辦新的 AI 實驗室，仍是美國最積極倡議開源 AI 的聲音之一。
主要貢獻
- 在艾倫人工智慧研究所（Ai2）領導後訓練工作，形塑 OLMo 與 Tülu 等開放權重、資料與訓練程式碼的模型系列
- 撰寫人類回饋強化學習（RLHF）領域的參考教科書，系統性整理現代對話模型背後的關鍵技術
- 協助 Hugging Face 建立 RLHF 研究團隊，貢獻 TRL 等開源工具與 Zephyr 等早期開放對齊模型
- 撰寫技術電子報《Interconnects》，深入分析 AI 模型與研究趨勢，每年累積數百萬閱讀
- 美國開源 AI 的重要倡議者；2026 年走訪中國各大 AI 實驗室，留下罕見的美國研究者第一手觀察
影片與訪談
对话Nathan Lambert：美国知名AI研究者眼中的中国AI
Silicon Valley 101 (硅谷101) interview with Nathan Lambert about his 2026 visit to China's AI ecosystem, where he met teams at Alibaba, Moonshot AI, Zhipu, Tsinghua, and others — his firsthand impressions of Chinese researchers' pragmatism and the influence of DeepSeek on the open-model landscape.
View Details
State of AI in 2026: LLMs, Coding, Scaling Laws, China, Agents, GPUs, AGI | Lex Fridman Podcast #490
A four-hour conversation with Nathan Lambert and Sebastian Raschka on the state of AI in 2026 — scaling laws, open versus closed models, the training pipeline (pre-, mid-, post-training), coding agents and dev tooling, US-China competition, GPUs, and AGI timelines.
View Details
