Jeff Dean 正式离开效力 25 年的谷歌。

2026 年 8 月 6 日，前谷歌首席科学家、TensorFlow 之父、Transformer 架构核心推动者 Jeff Dean 正式宣布离开 Alphabet，创立新公司 DiscoLoop AI。消息一出，整个 AI 圈震动不亚于当年 Ilya Sutskever 出走 OpenAI 创办 SSI。

Jeff Dean 在离职声明中直言：当前主流 AI 研发范式已经触及人力标注与静态数据的天花板。他认为，迈向真正的通用人工智能（AGI），必须让模型具备自我发现、自我验证、自我进化三位一体的闭环能力。DiscoLoop AI 正是为此而生——不是去造更大规模的稠密模型，而是建造一台永不停歇的“智能旋转引擎”，让 AI 在极少甚至近乎零人类干预的条件下，自主提升推理、规划与创造能力。

这一理念本质上是对现有预训练-微调-对齐（Pretrain-Finetune-Align）链路的彻底重构。DiscoLoop 所图谋的，是一个以 AI 自身为生成器、评审者和数据源的连续改善系统，这极有可能成为后 GPT-5 时代最具冲击力的技术跨越。

技术细节

DiscoLoop AI 的技术构想并非空中楼阁，其早先流出的内部研究思路可以勾画出完整的三侧架构。

输入侧：从静态语料库到动态生成策略场

传统大模型依赖爬取并清洗后的静态文本、代码、图文对等语料。DiscoLoop 的输入侧设计为一个“策略场”，由多个自动任务生成器构成：数学定理发现器、编程挑战构造器、多步推理图生成器、对抗性对话模拟器等。这些生成器并不事先设定答案，而是动态产出越来越复杂的开放难题或特定技能靶子。模型的训练数据不再来自历史网页，而是来自另一个专门负责制造“认知摩擦”的同族模型。

推理/执行侧：自我对弈与多代理循环

核心执行单元采用异步多代理协作框架。一个代理输出候选解，另一个代理担任严格的跨维度校验器——不仅检查逻辑一致性，还检查物理常识、因果链和符号推演的封闭性。推理过程并非单纯的前向生成，而是引入“回溯-修正-再收敛”的隐式搜索树。最关键在于，这些推理链路本身会被序列化为新的训练样本，回流到下一轮微调。这形成了自我对弈（self-play）式的增强回路，类似 AlphaGo 在围棋中自我产生棋谱的范式，但被扩展到开放域的推理与文本生成。

输出/评测侧：多维评估门与自动难度爬升

DiscoLoop 并不依赖人工打分或简单的偏好模型。其输出经过五道评估门：形式验证（代码、数学题）、因果一致性评分、跨模态事实核查、长程逻辑链完整性检查以及新意度量器。只有当答案在所有维度上通过门限，才被视为“合格验证样本”，并依据难度等级加入未来的训练池。如果连续失败，则降低当前任务难度并重试，形成自动课程学习。这种方式期望让模型在不触碰外部世界的前提下积累可靠的推理能力。