01 物理学式的 AI 科学革命 即便是最顶尖的大模型，依然会在简单推理和常识问题上犯错。这是算法极限，还是训练范式出了问题？ 我们能否像物理学家一样，用客观、可控的实验 揭示"AGI"本质？ 《Physics of Language Models（ 语言模型 物理学）》 ，正是将AI研究带入"物理学范式"的项目，由Meta FAIR研究院的朱泽园概念化发起 ，并统筹设 计。朱泽园是LoRA技术合作者、Katyusha优化算法发明者、清华本科，麻省理工博士、Google Codejam全球编程大赛第二名、IOI两届国际金牌，论文引 用超三万。他从优化理论深耕多年，现专注于AI基础理论和智能本质的科学探索。 02 用物理学方法追寻智能的普适规律 将"智能"拆解为 原子化 、可控的任务维度（推理、知识、结构理解等） ，为每个维度设计合成实验，最大限度减少"现实世界数据"的噪音； 用可控实验，揭示不同模型架构的极限与短板 ，不仅看"刷分"，更追溯"为何如此""如何突破"； 坚持客观、可验证的科学精神和学术思想传承 ，推动AI从工程走向基础科学。 本次开源， 是Physics of Language Models自诞 ...

Meta AI战略与资源投入 - 公司CEO马克・扎克伯格公开信提出「AI系统自我改进」概念并强调「谨慎选择开源内容」[1] - 为追赶AI顶级研究阵地，公司投入逾140亿美元重注Scale AI并组建Meta Superintelligence Labs (MSL)，以百万至上亿美元签约金吸引OpenAI、DeepMind等团队人才[2] 内部管理问题与组织文化 - 研究科学家朱泽园披露内部审批流程低效：申请官方账号转发研究项目耗时近一年，且触达量不足个人推文10%[5] - 前员工Tijmen Blankevoort公开批评内部文化失调现象，朱泽园证实该批评「基本属实」并暗示存在更严重未披露问题[9] - 内部资源分配矛盾突出：Physics of Language Models项目未获公司层面支持，研究者需自行争取GPU资源[18][20] 开源策略争议与研究成果 - 朱泽园发布Physics of Language Models第一阶段代码，包含42k GPU小时预训练的8B基础模型全量数据与权重，仅用10%训练资源即超越Llama3-8B[11] - 开源效果引发质疑：项目关注度低迷使研究者反思「完全开源的必要性」，行业意见两极分化（Hugging Face CEO支持开源 vs 部分从业者认为特定场景下开源效率低）[12][14][16] - 公司开源政策存在矛盾：虽公开宣称减少开源，但同期批准Physics of Language Models、MetaCLIP2、VGGT等项目以Apache 2.0协议发布[21] 研究推广机制缺陷 - FAIR研究团队缺乏统一成果推广体系，依赖研究者个人社交账号宣传且未提供X Premium+等推广支持[18] - 法务流程严重拖累研究效率：公共数据集使用批准耗时超两月，模型权重发布需与法务部门反复沟通，协议审批耗时超一周[20] 行业人才动态 - AI从业者普遍存在职业焦虑，朱泽园建议主动把握跳槽时机，并透露自身离职意向（暂因项目优先级延迟）[8] - 公司外部对Meta边缘化研究项目的兴趣高于内部，暗示人才流失风险[6][8]