Meta 超级智能实验室,又有一位重量级研究员离开了。
这次是被称为「思维链之父」的 Jason Wei。
11 月 18 日,AI 创业公司 Mercor 联合创始人兼 CEO Brendan Foody 在 X 平台宣布,Jason Wei 正式加入 Mercor,担任首席科学家(Chief Scientist)。
Jason Wei 随后也确认了这一消息。他表示,在 Meta TBD Lab 度过了精彩的一年多后,自己很高兴加入 Mercor。他还特别提到,随着越来越多的公司开始训练 AI 模型,数据将塑造 AI 发展的下一个前沿。

值得注意的是,Jason Wei 的新东家不是 Google DeepMind、OpenAI 或另一家前沿大模型实验室,而是一家以 AI 人才招聘和专家数据服务起家的创业公司 Mercor。
就在一周前,Mercor 刚刚宣布完成 7.5 亿美元 D 轮融资,估值达到 200 亿美元。
从 Google Brain 到 OpenAI,再到 Meta 超级智能实验室,如今 Jason Wei 又选择了 Mercor。这位大模型推理领域的重要研究者,为什么会把下一站放在一家 AI 数据公司?
在大模型研究领域,Jason Wei 是一个绕不开的名字。
Jason Wei 曾先后在 Google Brain、OpenAI 和 Meta 工作,研究重点涵盖大语言模型推理、智能体以及模型评测。
让他广为人知的,是 2022 年发表的论文《Chain-of-Thought Prompting Elicits Reasoning in Large Language Models》。

作为这篇论文的第一作者,Jason Wei 与 Google Brain 的研究人员共同提出了思维链提示(Chain-of-Thought Prompting,CoT)方法。
当时,大语言模型已经能够完成不少自然语言任务,但面对需要多步推理的数学问题时,往往表现不佳。
研究团队发现,与其让模型直接给出答案,不如在提示中加入包含中间推理步骤的示例,引导模型一步一步完成计算。
例如,一道数学应用题,普通提示可能只要求模型输出最后的数字,而思维链提示则会展示如何分析条件、列出计算步骤,再得出答案。

这项方法不需要修改模型参数,只需改变提供给模型的提示示例,就能显著改善足够大规模语言模型的多步推理表现。
此后,CoT 成为大模型推理研究中影响广泛的方法之一,围绕思维链的自一致性、推理路径搜索等研究也陆续出现。
2023 年,Jason Wei 加入 OpenAI,参与 OpenAI o1 和 Deep Research 等项目,也参与了多项模型评测基准的开发。
2024 年发布的 SimpleQA,主要用于衡量大语言模型回答事实性问题的准确程度。它包含 4326 道有明确答案的问题,用来考察模型能否准确回答,以及是否知道自己无法回答某个问题。
2025 年发布的 BrowseComp,主要评估 AI 智能体的复杂网络搜索能力。相比普通事实问答,BrowseComp 中的问题往往需要经过多轮搜索、信息筛选和交叉验证才能找到答案。
HealthBench 则面向医疗场景,通过医生制定的详细评分标准,从准确性、沟通质量、指令遵循等多个维度评估模型在真实医疗对话中的表现。

从 CoT 到 SimpleQA、BrowseComp 和 HealthBench,Jason Wei 的研究经历横跨了大模型推理能力的提升,以及如何评估这些能力。
2025 年 7 月,他从 OpenAI 转投 Meta 新组建的超级智能实验室,成为当时 Meta 从竞争对手手中招募的知名 AI 研究员之一。
如今,在 Meta 工作一年多之后,他再次选择了新的方向。
与 Jason Wei 过去任职的几家 AI 巨头相比,Mercor 的名字可能还没有那么广为人知。但在 AI 训练数据和模型评测市场,这家公司已经成长为一家估值 200 亿美元的独角兽。

Mercor 成立于 2023 年,由 Brendan Foody、Adarsh Hiremath 和 Surya Midha 共同创办。
公司最初从 AI 驱动的人才招聘业务切入,帮助企业寻找并匹配适合的人才。随着生成式 AI 快速发展,Mercor 逐渐将业务重点转向为前沿模型公司提供专业人才、训练数据与评测服务。
例如,一家 AI 实验室希望提升模型的金融分析能力,仅有通用互联网文本可能并不够,还需要了解金融工作流程的专业人员,帮助设计真实任务、评价模型输出,并提供高质量的训练样本。
Mercor 通过组织不同领域的专业人才,为 AI 模型训练和评测提供数据与反馈。目前,其专家网络已覆盖超过 500 万人,并成为前沿模型实验室的重要服务商。
11 月 10 日,Mercor 宣布完成 7.5 亿美元 D 轮融资,估值达到 200 亿美元,参与投资的机构包括 Benchmark、General Catalyst,以及英伟达、Salesforce 等。
不过,Mercor 的目标已经不止于向 AI 实验室提供专家数据。
在此次融资公告中,公司明确表示,新资金将用于进一步投资模型评测、后训练基础设施,并构建让 AI 智能体学习复杂工作流程的环境。
与此同时,Mercor 也正在把原本面向前沿实验室的能力扩展到企业客户。
不同企业拥有自己的业务系统、内部规则和质量标准。一款通用模型即便在公开基准上取得不错的成绩,也未必能够直接完成特定企业的工作。
因此,企业需要建立针对自身任务的评测体系,再利用专家反馈和专门的数据改善模型表现。
对于 Mercor 来说,这意味着业务正在从组织专家参与模型训练,进一步延伸到帮助客户评测、改进和适配 AI 模型。
而 Jason Wei 的加入,恰好发生在公司加大研究投入的阶段。
事实上,在 Jason Wei 加盟之前,Mercor 就已经开始组建自己的 AI 研究团队。
10 月 8 日,Mercor 发布了一篇题为《Why Mercor Is Building a Research Team》的文章,正式介绍了公司的研究计划。
其核心思路是:首先通过评测发现模型无法完成的真实工作任务,再利用领域专家理解失败原因、构建训练数据,通过后训练提升模型能力,最后重新评测改进效果。
为此,Mercor 正在研究真实工作任务评测、训练数据质量、模型后训练,以及人类专业知识如何推动 AI 能力提升等问题。
在真实工作评测方面,Mercor 已经推出 APEX 系列基准,涵盖管理咨询、投资银行、公司法律、会计和软件工程等职业领域。这些评测与传统知识问答不同,重点是检验 AI 能否完成具有实际工作要求的任务。
而在模型训练方面,Mercor 也已经公布了具体实验结果。在后训练研究中,Mercor 使用 Qwen3.5-397B 模型进行了实验,将其在 APEX-Agents 基准上的 Pass@1 成绩从 16% 提升至 27%。
更有意思的是,Mercor 已经聚集了一批在大模型领域有代表性研究成果的研究人员。
其中就包括 Edward J. Hu。
Edward J. Hu 是著名论文《LoRA: Low-Rank Adaptation of Large Language Models》的第一作者,此前也曾在 OpenAI 工作。

LoRA 通过低秩矩阵对大模型进行参数高效微调,大幅减少适配模型时需要训练的参数数量,已经成为大模型微调领域广泛采用的技术之一。
除了 Edward J. Hu,Mercor 的研究团队还包括 SciCode 和 CritPt 第一作者 Minyang Tian、tau²-bench 第一作者 Victor Barres,以及其他来自 Anthropic、Ai2 等机构的研究人员。
如今,随着 Jason Wei 加盟,这家以 AI 人才和数据服务起家的公司,又迎来了一位在推理与模型评测领域具有重要影响力的研究者。
值得一提的是,Mercor 创始人 Brendan Foody 在官宣中透露,Jason Wei 过去几年不仅是 Mercor 的客户,也是公司的重要交流伙伴之一。
Brendan Foody 在官宣中表示,Jason Wei 将帮助 Mercor 建设研究团队,重点推进数据与评测方面的研究。
这一方向与 Jason Wei 此前在 OpenAI 的工作有不少交集。他曾参与开发 SimpleQA、BrowseComp 和 HealthBench 等评测基准,而 Mercor 正在将模型评测扩展到金融、法律、软件工程等真实工作场景,并尝试利用评测结果改进模型。
Jason Wei 在个人官宣中也谈到了数据的重要性。他认为,随着越来越多的公司开始训练 AI 模型,数据将塑造 AI 发展的下一个前沿。
对于一家正在从专家数据服务延伸到 AI 评测和后训练研究的公司来说,这或许正是双方此次走到一起的原因。
从思维链到模型评测,再到如今的真实工作任务与数据研究,Jason Wei 的下一站,值得继续关注。
参考链接:
https://x.com/BrendanFoody/status/2122825607763689873
https://x.com/_jasonwei/status/2122826605362127094?a=m63C7Y9P_nHCJU683Og&s=20
文章来自于"机器之心",作者 "Neo"。
【开源免费】Browser-use 是一个用户AI代理直接可以控制浏览器的工具。它能够让AI 自动执行浏览器中的各种任务,如比较价格、添加购物车、回复各种社交媒体等。
项目地址:https://github.com/browser-use/browser-use
【开源免费】字节工作流产品扣子两大核心业务:Coze Studio(扣子开发平台)和 Coze Loop(扣子罗盘)全面开源,而且采用的是 Apache 2.0 许可证,支持商用!
项目地址:https://github.com/coze-dev/coze-studio
【开源免费】n8n是一个可以自定义工作流的AI项目,它提供了200个工作节点来帮助用户实现工作流的编排。
项目地址:https://github.com/n8n-io/n8n
在线使用:https://n8n.io/(付费)
【开源免费】DB-GPT是一个AI原生数据应用开发框架,它提供开发多模型管理(SMMF)、Text2SQL效果优化、RAG框架以及优化、Multi-Agents框架协作、AWEL(智能体工作流编排)等多种技术能力,让围绕数据库构建大模型应用更简单、更方便。
项目地址:https://github.com/eosphoros-ai/DB-GPT?tab=readme-ov-file
【开源免费】VectorVein是一个不需要任何编程基础,任何人都能用的AI工作流编辑工具。你可以将复杂的工作分解成多个步骤,并通过VectorVein固定并让AI依次完成。VectorVein是字节coze的平替产品。
项目地址:https://github.com/AndersonBY/vector-vein?tab=readme-ov-file
在线使用:https://vectorvein.ai/(付费)
【开源免费】AutoGPT是一个允许用户创建和运行智能体的(AI Agents)项目。用户创建的智能体能够自动执行各种任务,从而让AI有步骤的去解决实际问题。
项目地址:https://github.com/Significant-Gravitas/AutoGPT
【开源免费】MetaGPT是一个“软件开发公司”的智能体项目,只需要输入一句话的老板需求,MetaGPT即可输出用户故事 / 竞品分析 / 需求 / 数据结构 / APIs / 文件等软件开发的相关内容。MetaGPT内置了各种AI角色,包括产品经理 / 架构师 / 项目经理 / 工程师,MetaGPT提供了一个精心调配的软件公司研发全过程的SOP。
项目地址:https://github.com/geekan/MetaGPT/blob/main/docs/README_CN.md
【开源免费】XTuner 是一个高效、灵活、全能的轻量化大模型微调工具库。它帮助开发者提供一个简单易用的平台,可以对大语言模型(LLM)和多模态图文模型(VLM)进行预训练和轻量级微调。XTuner 支持多种微调算法,如 QLoRA、LoRA 和全量参数微调。
项目地址:https://github.com/InternLM/xtuner
【开源免费】LangGPT 是一个通过结构化和模板化的方法,编写高质量的AI提示词的开源项目。它可以让任何非专业的用户轻松创建高水平的提示词,进而高质量的帮助用户通过AI解决问题。
项目地址:https://github.com/langgptai/LangGPT/blob/main/README_zh.md
在线使用:https://kimi.moonshot.cn/kimiplus/conpg00t7lagbbsfqkq0