Meta炸了！LeCun炮轰28岁上司不懂行，实锤Llama 4刷榜丑闻

　　新智元报道

　　编辑：元宇 艾伦

　　【新智元导读】图灵奖大佬LeCun离职Meta后直接开怼：实锤Llama4造假传闻，炮轰原上司Alexandr Wang「不懂科研」，称Meta冲刺「超级智能」完全是被大模型洗脑。同时，他也透露自己的新公司即将在今年发布全新世界模型。

　　LeCun离开Meta后，直接掀桌了。

　　刚刚，这位图灵奖得主、Meta前首席科学家一离职，便回头投下了重磅炸弹！

　　图灵奖得主、Meta前首席科学家Yann LeCun

　　先是曝出Meta的Llama 4刷榜黑料：

　　Llama 4测试「被做了点手脚」，团队在不同基准上用不同模型，只为了拿到更好成绩。

　　紧接着，他又把矛头对准自己原上司：28岁的Alexandr Wang。

　　他是扎克伯格140亿美元重点押注超级智能的核心人物。

　　Meta曾向Scale AI投资140亿美元，并将其创始人Alexandr Wang挖来领导「超级智能实验室」。

　　但LeCun对他的评价，几乎相当于当众拆台：「他没有研究经验，也不知道如何进行研究。」

　　他认为Alexandr Wang并不真正理解科研，不知道科研人员「喜欢什么、不喜欢什么」，因此预言Meta AI将会有更多员工离职。

　　炮轰28岁上司 ，预言新一轮离职潮

　　扎克伯格之所以重金引入Alexandr Wang等人组建「超级智能实验室」，是因为被逼急了。

　　ChatGPT引爆浪潮后，也让Meta陷入了一场手忙脚乱的应对。

　　扎克伯格决定把筹码押在Llama大模型上，并重组组织架构，成立生成式 AI（GenAI）部门，要求加速把研究变为产品。

　　在这个过程中LeCun坚持开源，让Llama 2以「开放权重」成为开源大模型的标杆，甚至被他称为「分水岭」。

　　扎克伯格决定给GenAI更大压力，认为要加速AI的开发与部署，如果按照原有的方法搞，很可能就会落后。

　　特别是在去年4月，当Llama 4翻车，公司还被指控「刷榜」，扎克伯格的情绪彻底炸裂。

　　LeCun称「马克非常沮丧，基本上对所有参与此事的人都失去了信心……所以基本上把整个GenAI组织边缘化了。」

　　Meta首席AI官、超级实验室领导者Alexandr Wang

　　于是，Alexandr Wang被推到台前，成了Meta新AI赌注的领军者。

　　可LeCun对这位年轻上司的不足却直言不讳：认为他年轻、缺乏经验。

　　他学得很快，知道自己不知道什么……但他没有科研经验，不知道如何进行科研，也不知道科研人员会喜欢什么或不喜欢什么。

　　当被问起怎么会接受自己的上级突然变成一个28岁的人时，LeCun表示他习惯和年轻人共事。

　　当时Facebook的工程师平均年龄27岁，他的年龄是他们的两倍。

　　但他同时也提到Alexandr Wang并没有指挥自己做事：

　　你不能告诉研究人员该怎么做。你当然不能告诉像我这样的研究人员该怎么做。

　　意思很明显：研究这件事，不是组织架构图上的任命所能够命令和约束的，而且外行不能指导内行。

　　Llama 4风波

　　一次基准测试引爆组织内斗

　　2025年4月发布的Llama 4翻车后，Meta被指控操纵基准测试成绩。

　　这次是LeCun首次站出来实锤外界以往的猜测，他指出团队为了美化数据，对基准测试结果进行了「捏造（Fudged）」，「篡改」了部分测试结果。

　　他还特意指出，在不同基准上用了不同模型，以获得更好成绩。

　　对扎克伯格来说，这比一次技术失败更难接受。

　　这一丑闻也直接导致他对原AI团队失去信心，转而重金挖角，开始组建超级智能实验室团队。

　　Meta开始在人才争夺战里下重注，甚至还因为试图用1亿美元签约奖金挖人上过头条。

　　激进的人才战略，也导致了整个GenAI组织被边缘化，以及新旧团队、研究与产品、开源与商业之间的结构性摩擦。

　　由此，也带来了Meta内部一波波的离职潮和裁员潮。

　　路线之争

　　LeCun坚持LLM 是条「死路」

　　真正让LeCun最难忍受的，并不是他口中「不懂管理的上级」，或者是刷榜事件，而是他认为Meta正在集体沉迷于一条错误的方向！

　　LeCun直言，那批公司为了冲刺新一轮「超级智能」而招来的人「完全被大语言模型洗脑了（completely LLM-pilled）」。

　　虽然，扎克伯格仍然支持他对AI未来的看法，但公司的大规模招聘主要集中在LLM开发上。

　　但LeCun的立场是：LLM虽然有用，但从根源上受限，语言本身就是束缚。

　　要实现人类水平智能，必须理解物理世界的运作方式。

　　因此，他才会抛出那个让所有大模型路线的追随者们感到「刺耳」的观点：

　　我确信Meta公司里很多人，包括Alex在内，都不希望我告诉世人，LLM在超级智能领域基本上是一条死路。

　　然后他拒绝为此妥协：

　　我不会因为某些人认为我错了就改变我的想法。我没错。作为一名科学家，我的职业操守不允许我这样做。

　　在一家公司里，你可以跟同事、上司甚至老板争论。

　　但如果公开挑战组织方向，站出来说「这条路基本是死路」，你就会变成一个天然的异类。

　　这正像LeCun自己所承认的那样：留下来在「政治上」变得很难。

　　他在Meta的位置，已经不再适合继续做他想做的研究。

　　离开是不可避免的结局。

　　世界模型

　　下一代新范式

　　LeCun的新公司叫AdvancedMachine IntelligenceLabs（AMI Labs），专注于用世界模型实现ASI。

　　V-JEPA世界模型

　　给AI装个「脑内物理沙盒」

　　LeCun想做的V-JEPA世界模型，可以理解为：让AI不是只会「说得像」，而是能在脑子里搭一个粗粒度的世界模拟器——看见一段视频后，知道哪些东西是物体、它们怎么动、接下来可能发生什么，甚至为行动做准备。

　　JEPA的关键

　　不抠像素细节，预测「抽象状态」

　　传统生成式训练常逼模型还原每个像素/词。

　　JEPA的思路更「务实」：把世界压缩成一串表示（embedding），训练目标是从可见的上下文去预测被遮住部分的表示，而不是把遮住的区域逐像素画回去。

　　I-JEPA论文把这称为non-generative的自监督学习路径。

　　V-JEPA

　　把JEPA从图片升级到视频 学「运动规律」

　　V-JEPA就是视频版JEPA：把视频切成时空块，遮住一部分，让模型用剩下的内容去预测「被遮住那块在表示空间里应该长什么样」。

　　直觉上，它更容易学到「谁在动、怎么动、动的规则」，而不是纠结纹理噪点。

　　V-JEPA 2

　　从「看懂」走向「能规划」

　　V-JEPA 2的路线很明确：

　　先用超过100万小时互联网视频做大规模自监督预训练；

　　再用少量机器人交互轨迹，让模型学会「如果我这么做（动作），世界会怎么变」，从而更接近可用于预测与规划的世界模型。

　　AMI Labs需攻坚的难点

　　想做好世界模型，有三大难点：

　　其一是长时程预测，越往后未来分叉越多。

　　其二是不确定性，同一个场景可能有多种合理下一步。

　　其三是从表征到行动，学到「状态」还要能服务决策与控制。

　　而AMI Labs，正是LeCun为了攻克世界模型的难题而成立。

　　LeCun的新计划

　　去年11月，当媒体曝出LeCun即将离职Meta，开启新创业计划的消息后，他的日程表就一直处在疯狂状态。

　　他直言，这个决定使自己的日程表被迫加速了，居于日程表核心位置的，就是去做他口中更接近下一代AI的东西：世界模型（world model）。

　　LeCun的新创公司AMI Labs总部位于巴黎。

　　据LeCun称，马克龙还向他发了一条WhatsApp，暗示对他的新创业计划会与法国保持紧密联系感到高兴。

　　AMI Labs将由法国医疗AI初创公司Nabla的联合创始人兼CEO Alex LeBrun领导，LeCun担任执行主席。

　　提到这样的安排，LeCun坦诚表示自己当不了CEO：

　　我是科学家，我挺擅长判断什么技术行得通、什么行不通。但我当不了CEO，一方面我太不擅长组织管理了，另一方面我也太老了！

　　这种安排可以让他像在Meta时那样，保有做研究的自由。

　　在LeCun对技术的描述中，有一个特别的观点：

　　他认为模型依赖「情绪」，也就是过往经历与评价来引导预测，这非常像是把「人的本能」装进机器：

　　如果我掐你一下，你会感觉到疼……下一次当我把胳膊靠近你时，你会往后缩。这就是你的预测，而它唤起的情绪是恐惧，或者说对疼痛的回避。

　　LeCun还给出了他所计划打造的「世界模型」的时间表：

　　预计12个月内将推出具备初步物理直觉的「婴儿级」模型。几年内会在更大规模上出现。

　　LeCun认为它还不是超级智能，也许还存在没看到的障碍，但它至少还有希望是一条通往超级智能的路径。

　　提到对未来的愿景，LeCun直言希望为世界留下更多智能。

　　「这才是我们应该拥有更多的东西……我们饱受愚蠢之苦。」

　　LeCun的智能之路

　　生于1960的LeCun自幼在巴黎郊区长大。

　　从小的他就着迷于一个问题：人类智能到底是怎么出现的。

　　在他八九岁的时候，看了电影《2001：太空漫游》，整个人被深深震撼，这促使他走上了探索人工智能之路。

　　LeCun的「顿悟时刻」发生在1980年代。

　　他在一本书中读到了语言学家Noam Chomsky与心理学家Jean Piaget之间关于「先天与后天」的争论。

　　其中，Chomsky认为人类有天生的语言能力，而Piaget则认为确实存在某种结构，但大部分是后天学来的。

　　LeCun并不认同Chomsky的说法，在他看来，我们什么都是学来的，而且他认为所谓智能主要就是关于学习。

　　当时关于AI和神经网络（neural networks）的研究几乎是一片空白，但LeCun还是去找同样在研究神经网络的人，并与当时担任卡内基梅隆大学的教员Geoffrey Hinton成为智识上的「灵魂伴侣」。

　　后来，LeCun去多伦多大学加入Hinton的团队做博士后研究。

　　两人再加上Yoshua Bengio，共同为深度学习和现代AI奠定了基础，并于2018年获得计算机科学界最负盛名的图灵奖。

　　Geoffrey Hinton、Yoshua Bengio、Yann LeCun被称作「深度学习」三巨头

　　LeCun是许多重要早期AI技术背后的大脑。

　　20世纪80年代末到90年代，他在新泽西的AT&T贝尔实验室（Bell Labs）做研究，并在那里开发了卷积神经网络（convolutional neural networks），这种架构用于图像识别技术。

　　他还把它做进一个系统里，银行曾广泛用它来识别支票。

　　这项研究的想法他在多伦多时就已经有了，但之所以能在现实世界落地，是因为贝尔实验室有近乎无限的资金，以及最前沿的技术条件。

　　LeCun讲起他刚加入时老板Larry Jackel对他说过的话：

　　在贝尔实验室，你不会因为省钱而出名。

　　结束了贝尔实验室的狂欢后，LeCun回到学界，在纽约大学（NYU）启动了一个研究神经网络的新项目。

　　到2013 年，深度学习已经明显会成功，谷歌刚刚启动Google Brain，一年后又收购了英国AI实验室DeepMind。

　　正是那个时候，扎克伯格打来电话，他想在Facebook建一个AI团队，为了挖LeCun，甚至邀请他去加州家里吃晚饭。

　　LeCun同意加入，但提出了三个条件：他不必辞掉NYU的工作，不搬去加州，新实验室的研究成果必须对外公开发布。

　　扎克伯格都答应了，于是LeCun加入了Facebook，建立一个专注基础研究的全新AI研究实验室Facebook Artificial Intelligence Research（FAIR）。

　　小彩蛋

　　《金融时报》也公布了和Yann LeCun本次访谈的菜单。

　　这家位于巴黎香榭丽舍大街的米其林一星餐厅Pavyllon Paris，是Yann LeCun这位老法国人的心头好。

　　在采访中，LeCun对这家餐厅的菜品赞不绝口。

　　图灵奖得主青睐的米其林餐厅，路过巴黎值得一尝。

　　参考资料：

　　https://www.ft.com/content/e3c4c2f6-4ea7-4adf-b945-e58495f836c2