苏庭灏：一位高中生的 AI 研究、教育与快乐

张小珺与高中生苏庭灏（Jonathan Su）对谈。他在自学和实验后完成一篇关于注意力机制的论文，并被 ICML 2026 接收。两人讨论研究过程、校园中的 AI 使用，以及年轻人如何面对技术变化带来的期待与焦虑。

苏庭灏说，最初看到自然语言生成程序和文字的演示时，他感到惊讶：自己原先以为程序只能严格执行预定指令。好奇心促使他开始在网上寻找机器学习课程。

吴恩达的课程帮助他入门，Andrej Karpathy 从零构建 GPT 和 Transformer 的视频让他接触到更具体的实现。起初有许多地方看不懂，于是他给自己安排了连续 30 天每天读一篇论文、做笔记的挑战。

阅读不同论文时，他开始留意论证和表达：为什么有的文章读起来清楚，有的难以理解。他的兴趣首先是 AI 本身；在他看来，调整模型再观察变化，有点像研究一个复杂系统。

他曾想训练同等规模中最好的语言模型，但估算算力成本后发现直接扩大训练规模并不现实。他于是从自己写的 Transformer 代码出发，尝试实现和修改读过的方法，经过大量实验后形成论文思路。

他说，自己尝试了上百次不同修改，最终决定向 ICML 投稿。收到审稿意见后，他觉得评审给了专业而有用的建议。这个过程也让他接触了研究发表需要的沟通和迭代。

苏庭灏回顾自己的成长：他出生于上海，后来在香港读书。他感谢家人给了自己探索兴趣的空间，也尝试过数学和编程竞赛；有些尝试走了弯路，却帮助他了解自己真正喜欢什么。

象棋是另一项重要爱好。他说自己通过网络资料自学，并参加比赛；他喜欢一对一对弈中的思考、耐心和输赢反馈。张小珺注意到，自学贯穿了他的许多兴趣。

他解释自己为什么喜欢预训练：后训练像塑造一副身体，预训练则像改善可供塑造的材料。这是他的比喻。他也坦言实验需要资金，并不建议所有人都不计成本地自己训练模型。

他感谢家人支持实验，并回忆决定增加一次训练规模时的紧张：即使实验有效，论文仍可能被拒绝，计算费用也无法收回。他最终决定尝试，并在之后得到了自己认为有意义的结果。

他使用公开数据集进行训练，也承认自己写的代码仍不够整洁。一次参数设置错误导致三个模型没有保存检查点，损失了计算费用；他十分难过，家人安慰他把它当作教训。

他的论文题为《Attention Projection Mixing with Exogenous Anchors》。[ICML 论文集](https://proceedings.mlr.press/v306/su26a.html)列出 Jonathan Su 为作者，并描述了论文提出的 ExoFormer：在层堆栈之外学习锚点投影，再将其与注意力中的投影混合。

论文讨论的动机是：如果深层反复复用早期层的投影，早期层既要提供稳定的参考，又要完成自身计算，可能出现冲突。论文报告了在所测试设置下的实验结果；这些结果应在其模型、数据和基线范围内理解。

他回忆从写代码、阅读论文到反复试验的过程并不直线。研究中有想不通的地方，也有某个概念突然连起来的时刻；他喜欢这种自己动手试、看到反馈的过程。

解释注意力时，他用一种直观类比：查询表示正在寻找什么，键帮助其他位置找到自己，值则提供找到后传递的信息。他强调这是自己理解模型的一种方式，不是完整的数学定义。

在学校里，他很少有同龄人能深入讨论这些技术，很多时候独自研究，也会借助 AI 和网络资料提问。但他并不认为自己是不愿与人交流的人；他很喜欢与朋友聊天。

参加 ICML 时，他尤其喜欢一场下棋社交活动：可以一边对弈，一边问来自不同地方的研究者在做什么。他把它形容为自己很快乐的一段经历。

他也会问遇到的人，AI 是否可能导致人类灭绝。访谈中提到的少量个人回答只是非正式交流，不能当成专家调查或风险概率。他自己承认无法预测未来，只是在表达担忧。

他担心技术迅速进步可能改变工作和研究，让一些人失去方向；他也想象了强大系统目标与人类利益不一致等风险。这些是对未来可能性的思考，不是对结果的确定预言。

他说希望 AI 继续发展，但不要快到让社会来不及适应。他选择研究 AI，部分原因是希望参与理解正在发生的变化；他也知道自己对技术进程的控制非常有限。

下棋和研究给他的反馈节奏不同：一局棋可能很快结束，研究的想法则需要实验和等待，但两者都让他享受提出想法、检验并从结果中学习的过程。

谈到下一步，他希望有机会进入模型研究环境实习，也考虑大学教育。他认为网络和 AI 降低了获取知识的门槛，而大学仍可能提供共同学习、交流和建立联系的机会。

关于模型公司与应用公司，他提出自己的观察：模型开发者提供底层能力，应用则围绕用户需求构建。他对行业竞争和商业前景的看法属于一位学生的判断，而非确定的市场结论。

他说，他认识的同学大多会在作业或自学中使用 AI，他也会教父母使用相关工具。对这一代学生而言，AI 已经是日常学习环境的一部分，但不同人的用法并不相同。

学校允许在一些学习场景中使用设备，考试则需要靠自己完成。他说，自己会用 AI 处理部分作业，再把省下的时间用于其他学习方法，例如间隔复习；有些他认为有价值的练习仍会亲自做。

苏庭灏认为，自驱力会影响工具的结果：有人用节省的时间继续学习，也有人可能转向其他事情。他承认自己也会被短视频分散注意力，因此选择和时间管理并不容易。

张小珺问，AI 会怎样改变青少年教育。苏庭灏说，工具能帮助解释知识，却也可能削弱一些人通过艰难学习获得的成就感。他把这种变化描述为自己和同学的体验，而不是对所有学生的结论。

他举例说，过去学习一门学科时，学生可能想象自己将来通过深入研究作出贡献；当 AI 在相关任务上进步很快，这条道路在他看来变得不那么确定。与此同时，是否和如何改变仍无人能准确预知。

一位想学医的同学曾担心，漫长训练结束后职业环境已经不同。苏庭灏也提出过各种可能，但随后承认这些只是焦虑中的猜测，并非对医学职业的可靠预测。

他回忆自己曾因想象 AI 的负面未来而难过数周。后来，通过交流和反思，他意识到未来无法预测，决定把更多注意力放在当下的人际关系、喜欢的活动以及眼前能做的事上。

他会建议朋友了解 AI 能如何帮助自己，同时保留自己认为有意义、想亲自做的事情。他说朋友可以接受也可以不接受他的建议，重要的是继续彼此交流。

对话也谈到人们向聊天机器人倾诉的现象。苏庭灏认为，技术可能对缺少陪伴的人有吸引力，同时会带来安全与伦理问题。他希望人们不要忽略现实中的支持关系。

他描述了 AI 到来前后生活节奏的变化：信息和工具更多了，但不确定性也更多。对他而言，技术的便利并没有消除人与人相处、共同玩耍和聊天的价值。

从韩国的 ICML 回来后，他又参加乡村支教活动。他和伙伴尝试设计英语和象棋活动，用小游戏和奖励鼓励孩子参与，并从孩子们的反馈中获得快乐。

他发现，这里的日常与会议上的 AI 讨论很不同：要准备课程、考虑吃什么，也有散步和游戏。他有意识地暂时放下 AI，享受更慢的节奏，并与同行伙伴和孩子交流。

被问到希望成为什么样的人，他回答说，希望自己和喜欢的人都能开心。他把快乐看作重要的人生目标；关于快乐是否有限等说法，是他的个人哲学观点，并非神经科学结论。

他想象未来可能出现更普遍的 AI、机器人和新的生活方式，也承认时间表可能完全不同。他希望技术发展能让更多人自由探索感兴趣的事，而不是走向他担忧的反乌托邦。

在快问快答中，他谈到喜欢的食物、熟悉的家和阅读体验。他喜欢故事，也重视人与人之间能够分享想法和感受的深度交流。

谈到对自己有影响的研究，他提到 Transformer 等论文和技术报告。被问及愿意押注什么时，他说愿意相信人类未来仍能找到值得追求的目标和探索方向。

他最近感到开心的时刻，既包括看到新模型发布，也包括与支教伙伴和孩子一起相处。两种快乐来自不同的世界，却都与好奇心和连接他人有关。

对话最后回到年轻人的意义感。苏庭灏说，他现在的答案是让自己和喜欢的人开心；张小珺也指出，面对快速变化的技术，每一代人都需要时间成长。