始於Google，發跡於OpenAI，這是很多GPT-4 貢獻者的職業軌跡。這個星期，OpenAI 大模型GPT-4 的發布讓全球科技圈的技術競爭進入了白熱化。幾天之內，ChatGPT、必應搜索和Microsoft 365 相繼接入GPT-4，微軟的AI 應用瞬間比競爭對手拉開一個身位，甚至有人說，新的工業革命開始了。

一方面我們被GPT-4 的效果所震撼，一方面我們也迫不及待的想要了解背後的技術，好奇它的訓練方法、使用的算力等。

但遺憾的是，OpenAI 並不Open。在公開的論文（其實更像技術報告）中，OpenAI 明確地說，GPT-4 模型使用RLHF 精調外，不會公開任何技術細節。

鑑於GPT-4 等大型模型的競爭性與安全影響，本報告不包含有關架構（包括模型大小）、硬件、訓練計算、數據集構建、訓練方法等更多詳細信息。

不過，在此報告中，OpenAI 詳細列出了貢獻者及其負責的工作內容。這值得我們細緻研究。這幾百人的貢獻者名單與分類，能讓我了解到GPT-4 的成功背後包含了哪些部門、技術分枝的努力。

在這篇文章中，我們對有代表性的貢獻者進行了盤點，期待能為讀者帶來啟發。

研發人員佔絕大多數

從組織架構的設置上看，GPT-4 幕後的研發團隊大致可分為七個部分：預訓練（Pretraining）、長上下文（Long context）、視覺（Vision）、強化學習& 對齊（RL & alignment）、評估& 分析（Evaluation & analysis）、部署（Deployment），以及其他貢獻者（Additional contributions）。

預訓練部分的工作細分為：

計算機集群擴展（Compute cluster scaling）

數據（Data）

分佈式訓練基礎設施（Distributed training infrastructure）

硬件正確性（Hardware correctness）

優化& 架構（Optimization & architecture）

Training run babysitting

長上下文部分的工作細分為：

長上下文研究（Long context research）

長上下文內核（Long context kernels）

視覺部分的工作細分為：

架構研究（Architecture research）

計算機集群擴展（Compute cluster scaling）

分佈式訓練基礎設施（Distributed training infrastructure）

硬件正確性（Hardware correctness）

數據（Data）

對齊數據（Alignment Data）

Training run babysitting

部署& 後訓練（Deployment & post-training）

強化學習& 對齊部分的工作細分為：

數據集貢獻（Dataset contributions）

數據基礎設施（Data infrastructure）

ChatML 格式（ChatML format）

模型安全（Model safety）

Refusals

基礎RLHF 和InstructGPT 工作（Foundational RLHF and InstructGPT work）

Flagship training runs

代碼功能（Code capability）

評估& 分析部分的工作細分為：

OpenAI Evals 庫

模型等級評估基礎設施（Model-graded evaluation infrastructure）

加速預測（Acceleration forecasting）

ChatGPT 評估

能力評估（Capability evaluations）

編碼評估（Coding evaluations）

真實世界用例評估（Real-world use case evaluations）

污染調查（Contamination investigations）

指令遵循和API 評估（Instruction following and API evals）

新功能評估（Novel capability discovery）

……

細讀貢獻者名單，不難發現，GPT-4 項目團隊的成員通常“身兼數職”。對於希望追趕ChatGPT 的科技公司來說，OpenAI 提供的部門架構樣板提供了一些可以學習的思路。另外，它對於AI 領域人才的未來發展方向或許也有一些啟示。

在ChatGPT 發布之後，OpenAI 在人才招聘方面也做出了一些調整，招募了數十名前Google和Meta 員工來創建人工智能聊天機器人。

在OpenAI 上，Google作為“矽谷黃埔軍校”的名頭算是坐實了：根據LeadGenius 和Punks & Pinstripes 的數據顯示，該公司的300 多名員工（數據截止到2023 年1 月）中有許多來自Google和DeepMind 的母公司Alphabet。數據顯示，OpenAI 目前僱傭了約59 名Google前員工和約34 名Meta 前員工，同時包括幾名蘋果和亞馬的前遜員工。

鑑於OpenAI 在GPT-4 發布的第一時間就公開了所有貢獻者名單，機器之心整理了一部分參與工作的華人學者。如果遺漏，歡迎補充。

預訓練組

Trevor Cai

Trevor Cai 是GPT-4 項目中吞吐量團隊的負責人。Trevor Cai 本碩畢業於南加州大學，2022 年3 月加入OpenAI。在加入OpenAI 之前，Trevor Cai 曾在DeepMind 工作近5 年，擔任軟件工程師。

袁啟明

袁啟明（Qiming Yuan）是GPT-4 項目數據集來源和處理團隊的負責人。袁啟明本科畢業於清華大學，碩士畢業於得克薩斯大學奧斯汀分校，2018 年加入OpenAI。此前，袁啟明曾在微軟工作近三年。

Che Chang

Che Chang 作為OpenAI 的副總法律顧問參與了GPT-4 的研發，他博士畢業於美國西北大學，2021 年加入OpenAI，此前在AWS 領導了人工智能/ 機器學習和市場業務的法律團隊。最近一段時間，OpenAI 的法律團隊還在招聘AI 產品顧問。

歐陽龍

歐陽龍2019 年加入OpenAI，擔任研究科學家。Long Ouyang 本科畢業於哈佛大學，博士畢業於斯坦福大學，曾在斯坦福大學任博士後研究員。歐陽龍也參與研發了ChatGPT 相關的技術項目，他還是InstructGPT 論文的第一作者。

翁麗蓮

翁麗蓮（Lilian Weng）是OpenAI 人工智能應用研究的負責人，2018 年加入OpenAI，在GPT-4 項目中主要參與預訓練、強化學習& 對齊、模型安全等方面的工作。

Tao Xu

Tao Xu 2019 年加入OpenAI，先後畢業於北京大學、康奈爾大學。Tao Xu 曾在微軟的必應機器學習研究組工作四年。

Jie Tang

Jie Tang 在加州大學伯克利分校獲得計算機科學博士學位，導師是Pieter Abbeel。加入OpenAI 前，他曾在初創公司和Dropbox 工作約四年時間。Jie Tang 本科就讀於哈佛大學，2008 年獲得計算機科學和經濟學學士學位。

Ben Wang

Ben Wang 目前是賓夕法尼亞大學本科生，2021 年加入OpenAI。Ben Wang 參與了GPT-4 項目的預訓練和長上下文方面的工作。

視覺組

Mark Chen

Mark Chen 2018 年加入OpenAI，任研究科學家，畢業於麻省理工學院（MIT）。他參與了GPT-4 項目中視覺方面的工作。

Casey Chu

Casey Chu2020 年加入OpenAI，畢業於斯坦福大學計算數學專業。Casey Chu 的主要研究方向是多模態AI 系統，他在GPT-4 項目中主要參與視覺方面的工作。

胡繩麗

胡繩麗（Shengli Hu）2022 年加入OpenAI，她碩士畢業於復旦大學、博士畢業於康奈爾大學。她的研究興趣在於社會科學、計算語言學、計算機視覺和語音的跨學科研究。胡繩麗曾在自然語言處理、計算機視覺、語音和應用統計方面的頂級會議和期刊上發表過多篇論文，包括CVPR、ACL、EMNLP、ECCV 等等，並獲得過最佳論文獎提名。

Tianhao Zheng

Tianhao Zheng2022 年加入OpenAI。他本科畢業於清華大學，博士畢業於得克薩斯大學奧斯汀分校。再加入OpenAI 之前，他曾先後在英偉達、Google、Twitter 工作過。Tianhao Zheng 在GPT-4 項目中主要參與了視覺方面的工作。

翁家翌

翁家翌（Jiayi Weng）2020 年在清華大學計算機科學與技術系獲得本科學位。本科在朱軍教授組學習期間，主要參與了強化學習算法庫Tianshou（天授）的開發，該項目已獲得5.9K GitHub Star。CMU 碩士畢業後，翁家翌加入OpenAI 任研究工程師。

強化學習& 對齊組

Chong Zhang

Chong Zhang 2010 年就讀浙江大學計算機系，2014 年在加拿大西蒙弗雷澤大學獲得學士學位，隨後在Google、蘋果公司擔任工程師。2019 年就讀加州大學洛杉磯分校，2021 年獲得計算機碩士學位後，在OpenAI 工作至今。

Shengjia Zhao

Shengjia Zhao2016 年本科畢業於清華大學，2022 年在斯坦福大學獲得計算機科學博士學位，師從Stefano Ermon，隨後加入OpenAI。

Stephanie Lin

Stephanie Lin 本科和碩士期間分別就讀於麻省理工學院和佐治亞理工學院。加入OpenAI 之前，她曾是牛津大學研究學者。

Tong Mu

Tong Mu 本科就讀於加州大學洛杉磯分校，後在斯坦福大學獲得博士學位。2022 年加入OpenAI。

Jeff Wu

Jeff Wu 本碩均就讀於麻省理工學院。他是初創公司Terminal.com 的第二名員工，該公司被收購後，他曾在Google工作約2 年的時間。2018 年，Jeff Wu 加入OpenAI。

肖凱

肖凱（Kai Xiao）在麻省理工學院獲得了學士學位和博士學位，曾在微軟、DeepMind 等機構實習。2022 年9 月加入OpenAI。

Kevin Yu

Kevin Yu 在加州大學伯克利分校獲得物理學學士學位及神經科學博士學位。2022 年加入OpenAI。

Haozhun Jin

Haozhun Jin2013 年本科畢業於清華大學計算機系，2015 年獲得斯坦福大學碩士學位。2015 年到2018 年，他在Meta 擔任軟件工程師，2023 年1 月加入OpenAI。

顧世翔

顧世翔是出生於日本的加拿大華人，曾是Google研究院研究科學家，研究領域包括深度學習、強化學習、概率機器學習和機器人技術。他擁有劍橋大學和馬普所智能係統研究所的機器學習博士學位，在多倫多大學獲得了工程科學學士學位，論文指導教授為Geoffrey Hinton。

評估& 分析團隊

Alvin Wang

Alvin Wang2022 年8 月加入OpenAI，為評估& 分析團隊核心貢獻者之一。此前他曾在VMware、Tesla 等公司工作過幾年。2013 年本科畢業於南加州大學。

Angela Jiang

Angela Jiang 於2021 年11 月加入OpenAI，在微軟和Google有過短暫的工作經歷，她本科畢業於西北大學，於CMU 獲得博士學位。

Jason Wei

Jason Wei 於今年2 月加入OpenAI，主要研究ChatGPT。此前他是Google Brain 的高級研究科學家，在那裡推廣了思維鏈提示，並共同領導了指令調優工作。他在Google和Jeff Dean 等人共同撰寫了關於大模型湧現能力的論文。

Juntang Zhuang

Juntang Zhuang 於2022 年4 月加入OpenAI，此前曾在Google實習四個月。他本科畢業於清華大學，碩士畢業於耶魯大學，並在耶魯大學拿到博士學位。他的研究主要是為生物醫學應用開發新的機器學習技術。

Derek Chen

Derek Chen 於2021 年加入OpenAI，是一名技術安全分析師。他畢業於美國東北大學，此前在Google工作過不到一年的時間。

宋颺

宋颺（Yang Song）目前在OpenAI 擔任研究員，並將於2024 年1 月加入加州理工學院電子系（Electrical Engineering）和計算數學科學系（Computing and Mathematical Sciences）擔任助理教授。宋颺本科畢業於清華大學數理基礎科學班，2022 年獲得斯坦福大學計算機科學博士學位，師從Stefano Ermon。他的主要研究方向是機器學習，包含深度生成式模型（deep generative models），概率推理（probabilistic inference），人工智能安全性（AI safety），以及人工智能方法與其他科學領域的交叉（AI for science）。他是擴散模型（diffusion models）和分數匹配生成式模型（score-based generative models）的主要奠基人之一。他發表在NeurIPS 2019 的工作首次在圖片生成質量上實現了對生成對抗網絡（GAN）的超越。博士期間他的一作論文獲得了ICLR 2021 傑出論文獎，相關研究獲得了蘋果獎學金、摩根大通獎學金，以及WAIC 雲帆獎。

模型部署

Michael Wu

Michael Wu 2021 年加入OpenAI，主要的工作是人工智能應用研究。Michael Wu 畢業於MIT，是GPT-4 項目的推理研究負責人。

Andrew Peng

Andrew Peng 2022 年底加入OpenAI，他曾經在微軟工作兩年。Andrew Peng 畢業於加州大學伯克利分校，主要參與GPT-4 API 和ChatML 部署方面的工作。

吳雪楓

吳雪楓（Sherwin Wu）2022 年加入OpenAI，主要的工作是人工智能應用及API 開發。吳雪楓畢業於MIT，在GPT-4 項目中主要參與API 開發和ChatML 部署方面的工作。

Jason Chen

Jason Chen 本科就讀於麻省理工學院，2007 年到2014 年期間在Google擔任軟件工程師，2014 年到2019 年任職於初創公司Apptimize，2019 年到2023 年2 月任職於Argo AI，2023 年2 月加入OpenAI。

其他貢獻者

Xin Hu

Xin Hu 於2022 年6 月加入OpenAI，主要負責開髮用於雲安全、k8s 安全、認證/ 授權和訪問控制的安全服務和平台。

此外，在GPT-4 的開發上OpenAI 也對微軟表示了感謝，特別是微軟Azure 服務為模型訓練提供了基礎架構設計和管理方面的支持，微軟必應團隊、安全團隊也對GPT-4 的部署等工作作出了貢獻。