MIT天才博士一畢業(yè)，火速加盟OpenAI前CTO初創(chuàng)！

最近，肖光烜（Guangxuan Xiao）在社交媒體官宣，剛剛完成了MIT博士學(xué)位。

下一步，他將加入Thinking Machines，專注于大模型預(yù)訓(xùn)練的工作。

評論區(qū)下方，英偉達科學(xué)家、xAI研究員、UCSD等一眾大佬，為他本人送上了祝賀。

清華雙學(xué)位學(xué)霸，MIT博士開掛人生

打開他的個人主頁，多元而充實的經(jīng)歷便映入眼簾。

肖光烜本科畢業(yè)于清華大學(xué)，拿到了雙學(xué)位，主修的是計算機科學(xué)，金融學(xué)是第二學(xué)位。

在此期間，他獲得了清華大學(xué)綜合優(yōu)秀獎學(xué)金（2019）、全國大學(xué)生數(shù)學(xué)建模競賽（CUMCM）一等獎（2020）、國家獎學(xué)金（2020）、清華大學(xué)「未來學(xué)者」獎學(xué)金（2021）等多項獎項。

他曾于2020–2021年作為訪問生（Visiting Student），前往斯坦福大學(xué)計算機系開展科研工作。

2022年，肖光烜加入MIT攻讀博士學(xué)位，導(dǎo)師為韓松（Song Han）教授。

個人研究方向聚焦于：深度學(xué)習(xí)的高效算法與系統(tǒng)，尤其是大規(guī)?；A(chǔ)模型（Foundation Model）。

他于2022年9月至2026年1月，在MIT EECS擔(dān)任全職研究助理（Research Assistant）。

讀博期間，肖光烜曾多次進入全球頂級科技大廠從事前沿研究實習(xí)，具備了豐富的一線工業(yè)研發(fā)的經(jīng)驗。

論文地址：https://arxiv.org/pdf/2309.17453

2024年2-5月期間，他作為英偉達實習(xí)生，研究方向是為長上下文大語言模型推理加速。

他和團隊提出了DuoAttention，結(jié)合檢索與流式注意力頭，實現(xiàn)高效推理。

論文地址：https://research.nvidia.com/labs/eai/publication/duoattention/

隨后，他又參與了多項核心研究項目，其中包括：

• XAttention：基于反對角評分的塊稀疏注意力機制

• StreamingVLM：面向無限視頻流的實時理解模型

• FlashMoBA：混合塊注意力（Mixture of Block Attention）的高效優(yōu)化

值得一提的是，肖光烜在研究之外，還有豐富的興趣愛好，比如足球、乒乓球、圍棋、鋼琴。

他曾擔(dān)任所在院系足球隊的隊長兼先鋒，貝多芬的作品是個人最愛。

一篇博士論文，破解LLM三大難題

比起耀眼的履歷，肖光烜的博士論文本身更值得深入研析與拆解。

不得不承認，如今大模型已經(jīng)無所不能，但它們依然太貴了。

顯存爆炸、推理太慢、長上下文直接OOM（內(nèi)存溢出），這是幾乎所有LLM工程團隊每天都在面對的現(xiàn)實。

Efficient Algorithms and Systems for Large Language Models這篇論文，給出了一個罕見的、從工程到理論、從算法到架構(gòu)的完整答案。

論文中， 他們提出了SmoothQuant，解決了一個長期困擾工業(yè)界的問題——激活值異常（activation outliers）。

SmoothQuant通過一個巧妙的數(shù)學(xué)等價變換，把量化難點從「激活」轉(zhuǎn)移到「權(quán)重」。

結(jié)果，它實現(xiàn)了首個在十億級模型上W8A8無損量化，無需重新訓(xùn)練，顯存更小、推理更快。

針對超長序列的處理，作者在StreamingLLM中發(fā)現(xiàn)了「注意力匯點」（attention sink）現(xiàn)象——

即使沒有任何語義，初始token會被后續(xù)token持續(xù)關(guān)注。這些token的作用不是「理解」，而是數(shù)值穩(wěn)定。

結(jié)果，實現(xiàn)了常數(shù)內(nèi)存的流式推理，模型上下文長度從數(shù)千token擴展到百萬級。

更進一步，他們又把這一思想推廣到多模態(tài)，StreamingVLM可以在保持時間一致性的同時處理長達數(shù)小時的視頻內(nèi)容。

對于超長上下文場景，團隊又提出一個互補方案，分別針對不同的性能瓶頸。

• KVCache太大，采用DuoAttention

注意力頭本身就有分工：少數(shù)負責(zé)「全局檢索」，多數(shù)只看「最近上下文」。

DuoAttention用混合策略，大幅降低顯存，卻幾乎不掉性能。

• 預(yù)填充（Prefill）太慢，采用XAttention

利用反對角線評分機制，僅識別、計算必要的注意力塊，從而實現(xiàn)顯著的加速效果。

論文的最后，并沒有止步于「優(yōu)化現(xiàn)有模型」，通過對MoBA（塊混合注意力） 的信噪比分析，作者證明了：

理論上，block越小越好。

但現(xiàn)實是，GPU不答應(yīng)，于是有了FlashMoBA，一種定制化的CUDA內(nèi)核，使小塊架構(gòu)在實踐中可行，并實現(xiàn)了最高可達9倍的速度提升。

這篇論文的價值在于，構(gòu)建了一整套高效大模型的完整框架，既回應(yīng)了當(dāng)下的現(xiàn)實挑戰(zhàn)，也為下一代計算高效、普惠可及的AGI奠定了基礎(chǔ)。

平均350萬年薪，碾壓OpenAI

最后來到一個大家比較感興趣的話題——薪資。

去年，硅谷人才爭奪戰(zhàn)激烈，BI一篇獨家挖到了Thinking Machines（TML）給員工們開出的薪資——

基礎(chǔ)年薪高達50萬美元（約350萬元）。

據(jù)BI獲取的招聘數(shù)據(jù)，TML向兩名技術(shù)員工支付了45萬美元的基礎(chǔ)年薪，另一名員工的年薪則高達50萬美元。

第四名員工被列為「聯(lián)合創(chuàng)始人/機器學(xué)習(xí)專家」，其年薪同樣為45萬美元。這些薪酬數(shù)據(jù)，來自2025年第一季度，早于Murati以100億美元的估值，成功完成20億美元的種子輪融資。

總體來看，TML為這四名技術(shù)員工提供的平均年薪達到462,500美元。

相較之下，TML明顯高于業(yè)內(nèi)更為成熟LLM公司——

OpenAI在相關(guān)申報文件中列出的29名技術(shù)員工，平均年薪為292,115美元。

其中最高薪資為53萬美元，最低為20萬美元。

Anthropic向14名技術(shù)員工支付的平均年薪為387,500美元，薪資區(qū)間在30萬至69萬美元之間。

雖然比起Meta瘋狂的超1億美元薪酬還差得遠，但這一水平也在硅谷數(shù)一數(shù)二。

果然，21世紀(jì)最貴的還是人才。

參考資料：

https://x.com/Guangxuan_Xiao/status/2008779396497502337

https://guangxuanx.com/

https://scholar.google.com/citations?user=sRGO-EcAAAAJ

https://www.eecs.mit.edu/eecs-events/doctoral-thesis-efficient-algorithms-and-systems-for-large-language-models/

https://www.businessinsider.com/muratis-new-ai-startup-salary-technical-talent-2025-6

（來源：新智元版權(quán)屬原作者 謹(jǐn)致謝意）