拒DeepMind邀约！创业中的95后哈佛MIT联培博士入职清华

陈勇超, 于8月1日, 正式进入清华大学人工智能学院任职, 担任助理教授。在距离此不到一个月之前, 他在X平台宣告创建超衍智能（Apex）, 将其定位为使大模型从复制人类已有的知识转变为自行探寻未知规律。

入行前期就率先开展创业活动, 这促成了这位95年出生的学者处于一个月的阶段之内, 两次进入大众视线范围之中。

出生于浙江绍兴的陈勇超, 中学时在绍兴鲁迅中学读书, 2017年考进中国科学技术大学, 主修理论与专业力学方向, 同时辅修应用技术层面专业且着重培养关于数学领域应用方面, 在本科时期荣获第40届冠名以郭沫若奖徽而设立的用来表彰优秀人才的一项奖学金, 于2021年完成学业毕业。

之后前往哈佛大学工程与应用科学学院, 与MIT信息与决策系统实验室一起进行联合培养博士学位的攻读, 跟随Fan、 Roy以及Na Li学习, 2026年3月获取博士学位。

博士阶段的时候, 他所进行研究的方向产生了一回转变, 早些年的时候致力于基础科学, 在五个不同的实验室开展过力学方面、金属材料方面、核聚变以及AI for方向的工作, 凭借共同第一作者的身份发表了有关体心立方难熔金属纳米韧性断裂机制的论文。

博士第一年结束之际转变方向投身AI, 其切入口位于机器人学习和NLP相互交叉的区域范围。他于Z Tech专访当中表示, 转变的时机缘由是GPT-3。那个时候传统NLP方法所能达到的上限相对靠下, 然而GPT-3即使尚未完全成熟, 却已呈现出传统方法所不具备存在的能力具备。

他在个人主页以一句话概括两条线索的关系。

为了新的人工智能, 人工智能用于人工智能的这个带有人工智能的机器人。

并分为两个方向：

（1）Neuro- for

（2） and AI for

在博士那段时期, 他相继在MIT - IBM AI Lab, 还有微软研究院AI以及谷歌研究院进行实习。临近毕业之前, 他委婉地拒绝了那份工作邀约, 以及两家将主要精力放在AI自动科研方向的初创公司所给出的选项。

在所给出的Z Tech专访里, 他陈述的理由是, 中国在人工智能领域有着供应链以及基础设施层面的系统性竞争力, 而清华又提供了跨学科研究与真实科研场景高度集中的那种环境。

把清华AI的网站进行考察并且认定之后, 它的研究方向被得出结论来, 这可以表达成, 用来摸索针对自主系统作出的普通通用型神经符号类样的模型这一目标。

上述研究方向, 是清华官网所列出的, 在超衍智能创立之际, 便已开始朝着落地的方向发展。

超衍智能的创始团队学术背景源自清华, 还有哈佛, 以及MIT, 另外还有密歇根大学, 产业背景成员曾在谷歌就职, 也曾在微软工作过, 还在亚马逊待过, 并且加入过月之暗面, 也经历过智谱AI, 同时还在蚂蚁集团任职过。

公司官宣后不久，团队发布了Apex 的阶段性成果。

这套系统，在数月之内, 自行完成了从选题开始, 接着编码, 再进行实验, 最后撰文的一整个科研完整闭环, 产出34篇论文, 并且提交给了ACL、ARR等学术方面的评审体系。其中大约10篇有希望进入主会, 两篇拿到了3.67分, 高于差不多95%的人类投稿。

这一结果致使学界针对AI科研能力评估标准展开了讨论, 复旦大学魏忠钰教授所提出的疑问是, AI一次性生成并投稿几十篇论文, 其中有几篇获取了高分, 这到底是意味着系统已然达到了顶会发表水平, 还是表明它恰巧寻找到了同行评议的薄弱之处。

在技术路线上，陈勇超将Self- Model视为长期方向。

他于专访里表示, 当下大模型存有四平八稳之状况, 其训练目的是以回答已知问题作为导向, 在对未知问题之时, 试错以及探索的能力欠缺。

真正的自己进行进化, 需要搭建起处在真实问题以及假设、实验、反馈、迭代所形成的闭环之上的架构, 其关键之处在于激励模型, 使其能够凭着文献空白、实验异常以及跨学科类比, 从而自行开启提出新命题的能力。

用他自己的话说。

善于回答现成问题的模型数量众多, 然而科学方面的突破常常源于对问题自身进行的重新定义, 一个具备创造力的模型, 首要之事是要学会察觉问题。

陈勇超曾担任ICLR会议审稿人, 陈勇超曾担任ICML会议审稿人, 陈勇超曾担任CVPR会议审稿人, 陈勇超担当RSS 2025主要组织者。他的开源模型出现不少累计下载, 他的数据集出现不少累计下载, 而且超50万次, 他做研究工作有多次, 他做研究工作被MIT News报道。

当一位学者达成博士训练不久, 并同时身负清华教职以及初创公司这两项使命时, 对于团队建设, 对于融资进展, 并且针对学术与创业的时间分配而言, 均尚有待观察。