Meta强化学习大佬离职，用小扎原话告别引关注

2025-08-28

想当年，这位大佬还被Hinton劝退“别搞强化学习”(doge）。这边小扎疯狂挖人，可Meta自家的老员工却纷纷跑路了？

最新消息，Meta强化学习大佬Rishabh Agarwal即将离职，还留下了一篇引人遐想的小作文：

这是我在Meta的最后一周。
决定不加入新的超级智能实验室并不容易，毕竟那里人才济济、算力爆棚。但在Google Brain、DeepMind和Meta度过了7年半之后，我更想冒险去尝试一条完全不同的路。
Meta组建超级智能团队的想法非常引人注目，但我最终选择听从扎克伯格的建议：“在这个瞬息万变的世界里，最大的风险就是不去冒险。”

虽然表面上双方是“和平分手”，但网友们还是察觉到了一丝异样：

把小扎的原话甩回他自己脸上，这操作绝了，瑞思拜！

十亿可以为你买一栋房子，但买不到你的梦想。

不过，不管是猜测还是吐槽，对于Rishabh Agarwal的离职，谷歌、Meta的同事们都纷纷送上祝福，还回顾了他工作期间的贡献。

据了解，他参与了谷歌Gemini 1.5、Gemma 2以及Meta推理模型后训练方面的重要工作，2021年还凭借一篇RL算法评估论文获得了NeurIPS杰出论文奖。

那么，Rishabh Agarwals是谁？他的离职为何在此时掀起波澜？

曾被Hinton劝退“不要做强化学习”，下一站未定

Rishabh Agarwals一直从事强化学习和推理研究，谷歌学术论文被上万次引用，h-index达34。

他本科毕业于印度理工学院孟买分校计算机科学与工程专业，成绩在系里名列前茅。

2018年，他以AI Resident的身份加入Google Brain多伦多团队，在Geoffrey Hinton团队工作了一年。颇具戏剧性的是，Hinton曾建议他“不要做强化学习（RL）”，但老爷子也留有余地，说应该做自己认为最好的事情（毕竟他本人当年做的事也不被所有人看好）。

于是，Rishabh Agarwals毅然投身强化学习，并决定继续攻读博士学位。

第二年，他前往蒙特利尔的Mila研究所申请PhD，由于和面试官之一Aaron Courville（和Bengio等人合著了《深度学习》这本经典教材）在强化学习领域的研究方向“完全相同”，当场就被邀请加入其团队。

接下来四年，他在Aaron Courvilleh和Marc Bellemare两位顶尖导师的指导下深耕强化学习，同时还保留着在Google Brain的全职工作。

直到2023年，Marc Bellemare发了一条提前庆祝他通过博士毕业答辩的推文，连谷歌首席科学家Jeff Dean这样的大佬也赶来祝贺。

之后，他顺利加入蒙特利尔谷歌DeepMind团队，担任研究科学家，同时在麦吉尔大学做兼职教授。

在谷歌工作期间，他参与了Gemini 1.5（当时号称最强多模态、上下文突破100万）、Gemma 2（新一代轻量级开源模型）、Gemma 3等重要模型的发布工作。

2021年，他发表了论文《Deep Reinforcement Learning at the Edge of the Statistical Precipice》，荣获NeurIPS杰出论文奖。简单来说，这篇论文分析了深度强化学习中的统计不稳定性问题，指出在有限实验下评估算法可能产生误导性结果。由于系统性揭示了RL中的方差问题与过拟合风险，被认为是评价RL算法的里程碑工作。