从 Kimi 实习到创业：post-training 的人为什么都出来了

孟繁青介绍自己在 Kimi 做 Agent 与 RL infra、参与 Kimi Linear 和 K2.5 的经历，以及创业后不再训基模、转而做与模型智力正交的事。他解释预训练吃资源、后训练离落地更近，所以后训练背景的创业者更多。

bench 变了：从做数学题到造一个白领的工作环境

现在的 bench 要给模型造出带飞书、Notion 的工作环境，让它在里面长时间探索。环境正确性靠与真实软件输出比对，评分拆成多个细项仍依赖人工设计。训模型门槛确实降低，但造数据的 know-how 才是核心能力，数据比 infra 更重要。

反直觉判断：国内预训练更强，后训练更弱

国内在算力远少于海外的情况下，靠 Kimi Linear、DeepSeek 注意力机制等底层架构创新逼近前沿；后训练偏弱不是技术实力问题，而是数据积淀晚半年，目前主要靠蒸馏补足。数据积淀拼人力与组织，优化更难。

交替领先的格局，与拼到最后拼组织

开源社区内会呈现某家发大版本领先几个月、再被超越的交替局面。人才与数据都能靠投入补齐，但混元的例子说明组织架构设计才是长期变量，比如多模态部门该不该独立。

RSI 是什么：给模型一个环境和一个目标

Self-Evolving、AI for AI、RSI 形式上是同一件事：给模型环境与目标，让它持续操作、根据反馈修改自己。从表层结果自检到 harness 自迭代再到模型训模型都算，最难的是模型自己训自己。垂域仍需要自己的 harness 与更小的开源模型。

模型厂降价与创业公司的位置

降价有商业考量，垄断后未必持续降；垂域有数据隐私需求，不一定愿意用闭源大模型。创业公司不该去训 RSI 基模、也不该做 RSI harness，而应做模型厂与应用层之间的 RSI 通道。

RSI 的本质是一个更聪明的 DFS

现在所有 RSI 方法都可看作带剪枝的 DFS，回溯由 LLM 判断而非代码。剪枝需要预判未来状态与收益，即 world model 加 value model，而这两者在预训练时已被内化，因此不存在 RSI 基模，进步只来自知识内化与更长的 context。

数据的四代更替与 Agent 数据的两种来源

从 raw data 到专家标注再到合成数据，专家数据因要求变高而减少。模型从 chatbot 到推理机器再到 agent，催生 agent 数据：造环境跑轨迹的合成数据，与真人在工作环境中的交互轨迹。

数据的价格、外采逻辑与下一波 RSI 数据

合成数据贵的能卖到几千一个长任务，专家数据一两千，真人轨迹走量。模型厂外采是为补分布，bench 收敛后需求减少。下一波是 RSI 数据——一条后训练小模型的完整轨迹可能要跑十几小时，普通用户的数据卖不出去。

算法就是数据，数据就是 infra

算法收敛到最简单形式，infra 解决长尾推理导致的卡闲置，数据驱动算法与 infra 的进一步设计。数据量会继续增加但不会无限，agent 使用增多会反哺更好的合成数据。

合成数据与蒸馏：硬抄还是有技巧

环境足够复杂、题目与评分足够高质量，本身就是极难的事，做出来就是有技巧的蒸馏。合成数据对落后模型价值更高，但对领先模型同样有效——模型自己探索出正确轨迹再训自己，就是 RSI。

Coding 之外：AI for Science 成为智力新标尺

coding 仍是主发力方向但 pipeline 趋稳，各家转向 AI for Science，设计分子与蛋白质。仅从 coding 已难体现模型质变，science 是衡量智力的直接标尺，叙事从奥赛转向诺贝尔。

大厂与 AI lab 的长期分野，以及多模态的位置

技术在公司间流通，差异最终落在人与组织形态上。多模态不该被排除在主线外，只是受资源限制；文本信息高度压缩学得快，多模态噪声多发展慢，但 AI 进入物理世界后听觉触觉都会重要。

蒸馏不是国内模型变强的决定性因素

智力基础来自预训练，国内在预训练架构上做得好，这是追赶主因；蒸馏只是加速手段，封掉 API 也不影响追赶，只是更费劲。字节不蒸馏的考虑是怕抄近道错过主路上的 insight。

Evolvent AI 在做什么，以及他们要招什么人

公司跑了半年，团队以零零后 researcher 为主，做合成数据商单与 bench 学术探索，长期做桥接模型厂与应用层的 RSI 中间层，已发布 RSIBench-Data。招人不看论文与引用，更看工程能力。