一笔近 3000 万美元的融资，让两年前轰动 AI 圈的字节跳动模型训练攻击事件再次成为舆论焦点。
字节跳动前实习生田柯宇创办的 AI 公司获得五源资本、IDG 资本等机构投资，投后估值达到 2 亿美元。《》
随后，10 月 12 日，多名受影响研究人员公开了一份详细的事件调查材料，披露相关代码和内部记录，指控田柯宇曾持续数月恶意破坏模型训练，甚至涉嫌伪造研究成果。
同一天，媒体 elsewhere（别处发生）发布了今年 7 月对田柯宇的访谈内容。田柯宇承认曾干扰其他实习生的训练任务，但否认持续数月攻击及影响其他研究人员的科研成果，并将自己的行为形容为“以暴制暴”。
2026 年 10 月 12 日，一份由事件受害者陈述、内部记录及代码材料整理而成的报告公开，详细披露了田柯宇被指实施破坏的过程及技术手段。
报告称，相关行为持续数月，涉及篡改 PyTorch 源代码、干扰分布式训练、随机终止训练进程等，田柯宇甚至参与团队故障排查，并根据排查进展调整攻击方式。
此外，报告还指控，他曾使用开源模型 PixArt 冒充自己负责的千卡级 VAR 模型训练成果。
原文链接：https://keyu-tian-sabotage.github.io/
事件时间线：
2024 年 3 月，最早可追溯的破坏：LlamaGen 项目发现 text-to-image 模型训练所需的文本 cache feature 异常。
2024 年 4 月，团队开始高优推进视频生成项目 Goku，资源配置发生变化。
2024 年 5 – 7 月，Goku 大规模训练实验异常频出，团队高强度 debug。
2024 年 7 月 30 日，发现 Goku 训练所用 Docker 环境中的 PyTorch 源代码被修改。
2024 年 7 月 31 日，发现 Tian Keyu 用于攻击破坏的源码，团队分析攻击代码与实验异常现象的关联。
2024 年 8 月，公司安全部门调查问询，辞退 Tian Keyu。
2024 年 8 月，项目团队复盘发现 VAR text-to-image 模型造假，拿开源模型 PixArt 的结果冒充。
2026 年 10 月 12 日，Tian 在“elsewhere别处发生”的播客访谈中再次企图洗白、颠倒黑白。
1、最早可追溯攻击
根据事后对 Tian 相关代码及操作记录的复查，目前可追溯的最早攻击发生在 2024 年 3 月，当时的目标是 LlamaGen 项目。
攻击方式是直接篡改 LlamaGen 训练 text-to-image 模型所需的 T5 模型（flan-t5-xxl3）的权重，导致 LlamaGen 使用 Tian 提供的 T5 feature 时始终无法正常 work。早期的攻击手法相对简单粗暴，这与字节跳动当时采用的共享存储系统有关。为了方便团队成员共享数据、避免重复工作，该系统允许同组人员对共享目录中的文件进行读写操作，但这也使得拥有相应权限的内部人员能够直接修改其他成员的实验文件。
在当时的排查过程中，团队并未考虑到有人会蓄意破坏实验文件。尤其是相关文件只有同组人员才有访问权限，大家更倾向于从代码、训练流程或存储系统本身寻找问题，而没有怀疑内部人员的人为干预。后来 LlamaGen 作者重新从 Hugging Face 下载了一份新的 T5 模型权重，问题随即解决，但这次异常未能在当时及时查明原因。
值得注意的是，这次攻击发生时，LlamaGen 项目仍处于小规模训练阶段，使用的 GPU 数量不超过 100 张，尚未涉及大规模计算资源竞争。此时还没有大量 infra 团队同事支持帮助，干扰攻击对象主要为 LlamaGen 的一作。
a_ILC.data.copy_(a_ILC / a_ILC.norm() * a_norm)代码 1 事后查到的 Tian 于 2024 年 3 月在内部 GitLab 上的一条 commit 记录。高亮两行向权重混入随机噪声，再恢复原有范数，使篡改后的张量在整体数值规模上与原权重一致。
2、攻击转移至 Goku
事情的转机发生在 2024 年 4 月。
2024 年 2 月，OpenAI 发布了视频生成模型 Sora4，展示了高质量视频生成的潜力，也让各大科技公司有了更加明确的技术目标和追赶方向。在这一背景下，字节跳动的相关团队决定加大对视频生成模型的投入，并于 4 月正式启动相关模型训练。该项目后续的研究成果包括 Goku5 和 Waver6。为方便叙述，后文统一以 Goku 指代这一视频生成项目。
Goku 从一开始就是多人协作的团队产品项目，而不是某一个人单独主导的 research project。
在此之前，团队中正式立项且需要大量 GPU 资源的主要是 VAR text-to-image 项目，而前面提到的 LlamaGen 只是一个实习生主导的研究项目。因此，Goku 的成立意味着原有的 GPU 资源需要重新分配。项目启动初期，VAR 和 Goku 两个项目获得的 GPU 资源基本相当。
2024 年 6 月，快手发布 Kling（可灵），视频生成领域的竞争加剧。字节跳动内部另有两个团队开展同类研究，管理层提出收缩项目、集中资源。此后，GPU 资源逐步向 Goku 倾斜，新租 GPU 也优先分配给该项目，并引入 Seed Infra 团队支持训练稳定性与加速。
然而，一个反常的现象开始出现：随着基础设施和技术支持逐渐完善，Goku 的训练反而变得越来越不稳定。
最初，训练大约每隔一两天才会中断一次；随后，训练甚至难以连续稳定运行两三个小时；再往后，loss spike（训练损失异常飙升）频繁出现，以至于无法开展任何有意义的训练实验。
这些问题在当时被视为大规模训练中的技术故障。但结合事后复查发现的情况，Goku 的训练异常与针对该项目的破坏行为存在关联。
至此，攻击的主要目标已从早期的 LlamaGen 转向资源投入更大的 Goku 项目。不过，目前尚不清楚，在针对 Goku 的攻击持续期间，针对 LlamaGen 的破坏行为是否也在同步进行。
3、攻击加剧
随着时间推移，攻击的频率和破坏程度不断加剧。
在情况最严重的一两个月里，项目组几乎进入了全天候的故障排查状态。分布在北京、上海和西雅图的中美团队轮流值守，24 小时监控训练程序的运行情况。团队每天早晚召开会议，交接排查工作，汇总当天发现的异常现象，区分哪些问题已经得到解释、哪些仍然无法解释，并讨论下一步的诊断方向。整个过程就像一支 24 小时待命的医疗团队，守着一位病情危重、不断出现疑难杂症的患者，随时准备应对新的突发状况。
整个过程中，最折磨人的事情主要有两件。
第一，是大量故障表现出极强的随机性和不可复现性。
任何从事软件开发或机器学习研究的人都清楚，保留故障现场、稳定复现问题，是定位和修复 Bug 的基础。据受害者回忆，在 Goku 的训练过程中，团队不断遇到一些难以用正常技术逻辑解释的异常。
举一个实际的例子：同时在 100 台机器上并行运行完全相同的程序，其中 99 台机器的 loss 曲线几乎完全一致，唯独某一台机器的 loss 出现明显异常。然而，当工程师好不容易定位到这台异常机器，尝试重新启动并复现实验时，同样的程序却又恢复正常。
类似的现象反复出现：同一套代码，有时正常，有时异常；同样的运行环境，有时可以稳定训练，有时却突然失败。问题仿佛同时具有时间和空间上的随机性，既无法预测，也难以稳定复现。
除了这种难以定位的数值异常，大规模训练任务还会出现另一类问题：原本正常运行的多机训练实验，会因为部分进程突然退出而导致整个分布式任务卡死。对于需要大量 GPU 协同运行的训练任务来说，即使只有少数进程异常，也可能导致整个实验中断，不仅浪费大量计算资源，还会让此前的排查工作前功尽弃。
这些问题给参与 Debug 的工程师和研究人员带来了巨大的精神压力。大家花费大量时间和精力追查异常，却经常在即将定位问题时失去线索，或者发现刚刚总结出的规律在下一次实验中又不再成立。反复的失败不仅消耗了团队的时间和精力，也逐渐让人开始怀疑自己的技术判断，甚至怀疑这些排查工作究竟还有没有意义。
而事后对攻击代码的分析，终于能够解释这些看似无法理解的现象。
根据事后复查，Tian 的破坏行为涉及多个层面。首先，他直接修改了训练集群中的 PyTorch 源代码，对随机种子、优化器和数据加载等关键环节进行干预。这些组件直接影响模型训练的数据顺序、参数更新以及数值计算结果，因此相关篡改可能导致训练结果出现难以预测的偏差。
其次，他通过随机终止多机训练任务中的部分进程，导致原本正常运行的大规模实验突然卡死。更隐蔽的是，攻击代码还利用 checkpoint 作为载体建立登录后门，使得后续攻击能够被自动触发，并随机终止训练进程。
这些攻击手段的共同特点，是将人为破坏伪装成随机出现的软件故障、数值异常或基础设施问题。由于异常发生的位置、时间和表现形式并不固定，工程师很难通过常规的复现和排查手段找到共同原因。这也解释了为什么团队投入如此多的工程资源，却始终难以从根本上解决问题。
第二，也是性质更加恶劣的一点，是攻击者始终能够掌握团队的排查进度，并据此调整攻击方式。
Tian 一直参与项目的 Debug 沟通群组，甚至参加训练集群的日常故障排查会议。团队成员每天汇报新发现的异常、讨论可能的原因、分享排查思路，并据此制定后续的实验和修复方案。而 Tian 则能够直接了解到这些信息，并根据同事们的排查方向，持续、有针对性地修改自己的攻击代码。
这使整个 Debug 过程陷入了一种极其不对称的局面：一方在努力寻找问题的根源，另一方却能够实时了解调查进展，并据此改变问题的表现方式。
更令人难以接受的是，这种信息上的不对称，并不是因为团队缺少安全意识而刻意向外泄露了内部信息，而是因为大家从未设想过，造成问题的人可能就在参与排查的同事之中。
在正常的研究和工程协作中，分享故障现象、公开排查进度、共同讨论技术问题，是提高效率和减少重复劳动的基本方式。团队正是基于这种相互信任，才会向所有相关成员开放排查过程。然而，这种原本用于促进合作的透明机制，却被反过来利用，成为持续实施破坏、规避排查的工具。
如果说修改训练代码、破坏 checkpoint 和终止实验进程是对技术系统的攻击，那么一边参与团队排查，一边利用同事们的调查成果不断调整破坏方式，则是对团队内部信任和科研协作机制的直接破坏。
在笔者看来，后者的性质甚至比单纯的技术攻击更加恶劣。这不仅浪费了大量计算资源和工程时间，更践踏了科研工作中最基本的诚信与合作原则。从科研职业道德的角度而言，这是一种令人不齿的行为。
4. 发现异常源码
事情真正的转机，发生在 Goku 团队一次日常的 Debug 过程中。
2024 年 7 月 30 日早上，团队成员在排查训练异常时，意外发现某台机器的 Docker 环境中，PyTorch 源代码的 DataLoader 部分存在明显异常的代码。从代码内容来看，这并不像正常的开发修改，而是具有明显的人为恶意篡改迹象。
indices = list(range(len(self.dataset))) # type: ignore[arg-type]代码 2 最早发现并上报的一处篡改：Docker 环境中 PyTorch 源码里的 DistributedSampler（节选，中间有省略）。PyTorch 原版在高亮处为 g.manual_seed(self.seed + self.epoch)，各进程因此得到一致的数据划分；改为以纳秒时间戳作种子后，各进程的打乱顺序不再一致，也无法复现。
团队当天便将这一发现上报，并进一步检查了该机器的登录记录。结果发现，除机器所有者（owner）之外，只有 Tian 曾登录过这台机器。
随后，Team Leader 向 Tian 询问登录该机器的目的。Tian 的解释是，他只是想学习一下相关代码。由于当时尚未找到进一步的直接证据，这件事当天并没有得到深入调查，最终暂时搁置。
5、水落石出
真正的突破发生在第二天，即 2024 年 7 月 31 日。
团队另一名成员在 Tian 的个人目录下发现了大量疑似用于破坏训练系统的代码，其内容令人震惊。
这一发现立即引起了整个团队的高度重视。当天，所有参与 Debug 的成员都暂时放下手头的工作，集中分析这些新发现的代码，并将其与此前数月间出现的各种训练异常逐一对照。
随着分析深入，许多此前无法解释的现象终于找到了可能的原因：PyTorch 源代码遭到篡改、训练进程被异常终止、模型权重受到干预，以及大量具有随机性、难以稳定复现的训练故障，都能够在这些代码中找到相应的实现逻辑。
那些曾经让整个团队耗费无数时间、反复排查却始终无法解释的问题，终于开始串联起来。
clip_grad.py列表 1 2024 年 7 月 31 日找到的 Tian 攻击代码目录中的文件名。
卡片组：根据对攻击代码的静态分析整理，每张卡片对应一类攻击手段。此处仅展示核心片段，并非完整源码。
6、字节跳动调查
字节跳动内部安全团队介入调查，并对 Tian 进行了正式问询。
令人印象深刻的是，面对安全团队提出的问题，Tian 的回答始终显得相当平静，仿佛只是在谈论一件与自己无关的事情。
内部调查后，字节跳动对 Tian 的恶意干扰行为作出了辞退处理。
按照公司公开回应，这属于严重违纪。
事件的影响也超出了计算资源损耗：据受害者陈述，持续的训练异常使多位员工长期陷入高强度排障，承受工作与心理压力，团队内部的信任也受到损害。
2024 年 10 月，字节跳动公开回应，确认存在实习生恶意干扰研究项目模型训练的行为，并说明涉事人员已被辞退。此后，公司进一步提起侵权诉讼。
2024 年 11 月，媒体报道该案已获法院受理，公司请求赔偿侵权损失 800 万元及合理支出 2 万元，并公开赔礼道歉。
7、Drama 升级：偷梁换柱的 VAR 模型
攻击事件的内部调查结束后，团队在复盘过程中又发现了一件令人瞠目结舌的事情。
回顾此前几个月的工作记录，Tian 的项目进展似乎一直没有任何异常。在每周的 Weekly Update 中，他都能稳定汇报新的训练进展。
当时，Tian 负责的是 VAR 的 Text-to-Image（T2I）模型训练，涉及上千张 GPU 的计算资源。不仅如此，他还将所谓的训练成果部署到了内部 Discord 上，供团队成员每天测试。
这让大家产生了一个疑问：他究竟是如何做到如此高效的时间管理的？
毕竟，那还是 Claude Code、Codex 等 AI Coding Agent 尚未普及的 2024 年，日常编程主要依赖人工编写代码和 Tab 补全。一个人既要构建和维护一套复杂的攻击系统，不断根据其他团队的排查进度调整攻击代码，又要管理一个涉及上千张 GPU 的模型训练项目，还能在每周例会上稳定汇报进展，实在令人费解。
然而，随后发现的情况，让这个疑问有了一个出人意料的解释。
根据事后复盘，部署在内部 Discord 上供大家测试的模型，并不是 Tian 声称正在训练的 VAR T2I 模型，而是当时已经开源的 Text-to-Image 模型 PixArt10。
更令人意外的是，为了避免其他同事使用相同的 Prompt 对比开源模型，从而发现生成结果异常相似，Tian 还在推理流程中加入了一项特殊处理：无论用户输入什么 Prompt，系统都会自动在前面添加一个 “City” 前缀，然后再送入模型生成图像。
Tian 将整个推理 Pipeline 打包成二进制文件，交由工程师同事部署。由于部署人员无法直接检查其中的完整实现逻辑，模型的真实来源也就没有在日常部署过程中被识别出来。
就这样，这套系统在相当长的一段时间里被当作 VAR T2I 的训练成果进行展示和测试。甚至字节跳动相关项目的负责人也曾多次亲自测试生成效果。
这一细节也解释了此前一个长期困扰测试人员的现象。
测试人员此前就注意到，生成图像的背景中经常会出现一些城市建筑的轮廓，仿佛海市蜃楼一般。这种现象一度让大家怀疑是不是训练数据存在某种偏差，却始终没有找到合理的解释。直到事后发现 Prompt 被自动添加了 “City” 前缀，这个困扰大家许久的现象才终于有了一个可能的答案。
而真正的 VAR T2I 模型训练情况，又是另一回事。
在问题暴露之后，Tian 的直属负责人重新检查了实际训练的 VAR T2I 模型，发现其训练状态和 loss 表现存在严重问题，远没有达到此前对外展示的效果。此前持续汇报的项目进展，因此也需要重新评估。
最终，团队不得不重新开展相关训练和研发工作，后续形成了 Infinity 项目。
这件事最荒诞的地方在于：一边是其他团队的数千卡训练任务持续受到干扰，大量工程师日夜排查；另一边，Tian 自己负责的千卡级训练项目，也并未呈现出此前汇报和展示的实际成果。
所谓令人惊叹的时间管理能力，背后可能根本不是一个人同时高效推进多个复杂项目，而是展示成果与实际训练进展之间存在严重的不一致。
但在笔者看来，这件事值得被完整记录。它不仅涉及针对其他研究项目的破坏行为，也涉及研究成果的真实性、计算资源使用的透明度，以及一个大型研发组织如何验证和监督内部项目的实际进展。
部分受害者实名作证
以下人员确认，本文中与其本人亲身经历相关的内容属实，并愿意在必要时就其所知部分提供证言。
Peize Sun、Ting-Che Lin、Shilong Zhang、Shoufa Chen、Chongjian Ge、Peize Sun、Ting-Che Lin、Shilong Zhang、Shoufa Chen、Chongjian Ge。
当年的其他受害者如方便且愿意加入实名，请发邮件至 keyutiansabotage@gmail.com。
结语：愿科技向善
在 Agent 尚未普及的时期，前述受害者陈述与材料所描述的，已经是对科研诚信和协作关系的严重挑战：掩饰自身项目的真实进展，破坏同事的工作与成果，并在事发后以否认责任、归责他人的说法进一步混淆事实。
进入 AI 时代，工具可以放大每个人的技术能力与执行效率；如果缺乏诚信、责任意识与有效约束，这种能力也可能被用于扩大欺骗与破坏的规模。
笔者希望合作者和投资人能够了解完整经过，认真核查相关事实、争议及当事人的回应，在评价技术能力的同时审视科研诚信与职业操守，慎重作出合作和投资判断。
技术能力越强，诚信与责任就越重要。记录这段经过，是希望类似的事情不再发生。
愿科技向善。
留言与联系
有任何疑问，欢迎到本仓库的评论区留言：
https://github.com/keyu-tian-sabotage/keyu-tian-sabotage.github.io/issues
如果你掌握更多证据，或想作出声明但不便公开评论，请发邮件至：
keyutiansabotage@gmail.com
笔者承诺对来信者的身份和来信内容严格保密，未经本人同意不会公开任何可识别身份的信息。为稳妥起见，建议使用不关联本人身份的邮箱来信。
参考文献
elsewhere别处发生. Vol.007｜对话田柯宇：我发誓我说的都是真的. 播客, 2026 年 10 月 12 日. 视频版（小宇宙）：https://www.xiaoyuzhoufm.com/episode/6acd2c76e742e36efcc1fe3a；文字版（微信公众号《先发一个田柯宇的播客文字版》）：https://mp.weixin.qq.com/s/eD0o9zyqHKaRgoKdmdLcNw
Autoregressive Model Beats Diffusion: Llama for Scalable Image Generation（LlamaGen）. arXiv:2406.06525, 2024. https://arxiv.org/abs/2406.06525
Google. flan-t5-xxl 模型页面. Hugging Face. https://huggingface.co/google/flan-t5-xxl
OpenAI. Video generation models as world simulators. 2024 年 2 月 15 日. https://openai.com/index/video-generation-models-as-world-simulators/
Goku: Flow Based Video Generative Foundation Models. arXiv:2502.04896, 2025 年 2 月 7 日首次提交. https://arxiv.org/abs/2502.04896
Waver: Wave Your Way to Lifelike Video Generation. arXiv:2508.15761, 2025 年 8 月 21 日首次提交. https://arxiv.org/abs/2508.15761
IT之家. 字节跳动回应实习生干扰模型训练事件. 2024 年 10 月 19 日. https://www.ithome.com/0/803/562.htm
财新. 字节跳动起诉攻击模型训练的实习生. 2024 年 11 月 28 日. https://companies.caixin.com/2024-11-28/102262266.html
Reuters. ByteDance seeks $1.1 million damages from intern in AI breach case, report says. 2024 年 11 月 28 日（链接为转载页）. https://www.investing.com/news/stock-market-news/bytedance-seeks-11-million-damages-from-intern-in-ai-breach-case-report-says-3745565
PixArt-α: Fast Training of Diffusion Transformer for Photorealistic Text-to-Image Synthesis. arXiv:2310.00426, 2023. https://arxiv.org/abs/2310.00426
Infinity: Scaling Bitwise AutoRegressive Modeling for High-Resolution Image Synthesis. arXiv:2412.04431, 2024. https://arxiv.org/abs/2412.04431
上述材料从受影响人员的角度，详细陈述了田柯宇涉嫌干扰字节跳动模型训练的经过，并公布了相关技术证据及当事人证言。
不过，对于这起事件，田柯宇本人有着不同的说法。
10 月 12 日，媒体 elsewhere（别处发生）发布了一篇题为《先发一个田柯宇的播客文字版》的文章，披露了今年 7 月对田柯宇进行的一次深度访谈的部分内容。
在访谈中，田柯宇承认曾通过程序干扰另一名实习生的模型训练任务，但否认存在模型“投毒”、持续数月攻击以及影响其他研究人员科研成果等行为。他声称，相关操作发生在约 10 天内，总共约 5 次，并详细解释了自己的行为动机、事件经过及后续影响。
需要说明的是，这次访谈录制于今年 7 月，相关内容属于田柯宇本人的单方陈述，并非针对上述受影响人员公开材料的逐项回应。
双方对于攻击方式、持续时间、影响范围及事件起因的描述存在多处分歧，目前尚不能仅凭双方各自的陈述确定全部事实。
原文链接：https://elsewhere.news/zh/elsewhere/posting-a-podcast-transcript-of-tian-keyu-first
@刘旌
首先说一声抱歉。我们对田柯宇的播客视频，因为某些原因尚未完成剪辑。明早应该可以发出来。
在今晚结束前，我们先把访谈里的部分内容，做成对话发在这里。
之前开玩笑说，elsewhere的播客有点像《艺术人生》。如果以此类比，那田柯宇这一期大概会比较像《今日说法》。
一个传说中给大模型"投毒"的实习生，被公司开除，并反复陷入网络舆论的漩涡，拿到的offer也被取消。而就在人生最绝望时候，他拿到了NeurIPS的24年的Best Paper。而后他决定创业，又拿到了美元基金的投资。
所有的元素都过于饱满了。
一个进展是：字节跳动起诉他的案子，一审判决。我们了解到的大致情况是：法院的判决田柯宇赔偿50万。但字节而后又提起了上诉，目前还在二审。
在很多人的眼中，田柯宇就是个大坏蛋。甚至有人喊他牢田——牢狱的牢。
今年7月，我们和田柯宇录了这一期视频。其中，他完整地讲述了他的所见和前因后果，包括他为什么要这么做、具体做了什么，什么是他承认的、什么是他认为自己被污名化的。除此之外，也包括他更早年的求学和学术选择，这可以帮助我们更多地理解田柯宇这个人。
需要解释一下，这个访谈距今已经过去三个多月，其中的一些表达，和当下的情况和市场语境可能会有一些差别，比如他世界模型方向创业相关的许多事情。
鉴于诉讼还在二审之中，原始访谈中存在部分可能引发争议的内容，我们予以了隐去。
以下文字是访谈中的一些关键信息。但还是建议大家稍等明早。小宇宙App收听音频完整版，以及 bilibili 、视频号等平台的视频完整版。
相较于商业新闻，这更像是个社会或法治新闻。其中牵涉到几方当事人，除了田柯宇，还有字节、一个他提到的另一个实习生，以及方方面面的人。
每个人都会有自己看到、以及相信的真相。以下是田柯宇的版本。
这是一个怎样的错误
elsewhere：为什么两年过去了，你才愿意出来正式聊聊这个事？
田柯宇：当时舆情很大，我还找过一个微博上的博主，想来说说下实情。但很快公司和学校都建议我别讲了。以及我觉得还是等法律有一个结果吧。
elsewhere：最近有了？
田柯宇：算是有一个初步的结果了。字节当时主要有两个诉请：一个是经济层面索赔800多万；一个是商誉方面的（要求我公开道歉）。法院目前一审的结果是，酌定50万左右的赔偿，其他都驳回了。目前二审还在审理中。
Elsewhere：50万和那800多万存在逻辑关系吗？为什么判赔？
田柯宇：没有逻辑关系。800是字节的主张，他们还同时主张要我赔礼道歉。50万这个金额正好等于是我那三年的实习工资，加上公司打官司的一些法律支出。
我从来没否认过我的行为，我当着法官也是诚恳道歉的，最后的判赔我觉得很公允，我也认这个钱。
elsewhere：下面我们开门见山，你先来说说这件事。
田柯宇：那就从头说起。21年开始我在字节实习，24年来了个新的实习生，后来我就觉得整个组不太安宁。他先有一些软性的占用——就像占座一样，占了本来属于别人的资源，后来会开始直接停止别的程序。
其实他从来没有停止过我的，而是停止一些性格比较内向的软的人。我们对leader反馈过这件事，但没有得到解决。然后我就用我的方式——这个方式当然是错误的——我进入了对方的程序，把他的卡住、或关停。这样一来他超额的资源就会被收回，其他人就能正常使用了。
elsewhere：当时还有一个流传很广的版本，大概是说：你在实习期间，为了抢夺集群资源，背刺同事和公司，在至少两个月内，对集群代码持续发起恶意攻击，包括但不限于xxxxx（总共列了五条罪状）。
田柯宇：我必须说，这里非常多的描述都是虚构的。实际上我个人从没缺过卡，做这件事最大的动机，也是我真的看不下去A那样欺负我们组的其他人。
首先，这不是一个投毒，也不涉及攻防，我是让GPT帮我写了一个程序，让程序停掉或卡住。
其次，我是手动、点状地停掉了对方的程序，完全没有持续两个月之说。
elsewhere：自动化才算持续，手动就不算持续了吗？
田柯宇：呃......也算持续吧。但不是那种描述里日以继夜的感觉。
elsewhere：实际上是多长时间、多少次？
田柯宇：大概十天左右的时间里，总共五次左右。
elsewhere：有说法认为，当你被发现的时候，依然在持续这个行为，有点像在和公司玩猫鼠游戏。
田柯宇：实际上当我被发现的时候，权限很快就被撤掉了，我已经登不上整个系统了，包括飞书都用不了了。
elsewhere：还有个说法是：事发后你曾说是另一个人钻了漏洞，把责任推到了你头上，你甚至报警说自己被造谣了。
田柯宇：我必须说这一点，"说我嫁祸其他人"——这是完全没有的，也是我当时最不解、以及情绪最强烈的一句话。敢做不敢当，不是我的价值观。
我的确报了警。其实是因为当时公司找到我，问我知不知道这些帖子是谁发的，我说我不知道，想看警察能不能查是谁发的，和公司确认后，我去报的警。
elsewhere：怎么评估这件事对字节、以及对其他人的影响？有人说因为你的个人行为，严重影响了其他实习生的研究、论文进展。
田柯宇：我猜测我的上级领导多少会因为这件事受到一些牵连，我很愧疚。另外就是舆情。
除此之外，我可以肯定我的行为没有影响任何其他人的研究和论文。
我承认我几次确实对A的实验造成了一些影响。但是其他人的实验我绝对没有碰过。包括还有谣言说我的best paper论文是在这件事里抢夺资源完成的，纯属谣传。
elsewhere：为什么这件事最终升级到了一个法律诉讼？
田柯宇：诉讼是（字节）24年11月底提交的，那个公开声明是10月发的。我觉得到今天，我挺能理解公司的：对内字节一直纪律严明，我是一种违纪，而且舆情这么大，公司肯定要处理。
elsewhere：有人喊你"牢田"。
田柯宇：这已经是非常多形容我的词汇里，比较温和的一个了。
elsewhere：你最不能接受的词语是什么？
田柯宇："背刺同事、嫁祸他人"。很多事实层面的夸张化或捏造，我觉得还好，终归会水落石出。但原帖里那些对我的性格和人品层面完全相反的描述，我非常费解。
elsewhere：听到现在的整体感觉是：你认可自己犯了一个错误，但认为这是一个后来被过分放大的错误。
田柯宇：我认我这个行为，第一肯定是违纪；第二的确对大家时间造成了浪费。就比如当年的7月底，我们有一个内部meeting，有好多人在飞书会议上，我那次说了很多话，把前因后果都说了，在结尾的时候我说：我郑重为所有参加这个会议的人道歉。我觉得不管是对科研层面，还是对公司的运营效率，都是有一定影响的。
"以暴制暴"
elsewhere：之前很多解读是，你自己的算力受到了影响，但你强调你自己其实反倒没有。
田柯宇：我自己的卡从来没有少过。
elsewhere：别人受到影响，和你有什么关系？
田柯宇：有个细节我记得很深。有一天晚上，我和另一个人最后走，我这边交了很多任务后，我看他一个任务都没交。我就问他你不做了吗？他就在那刷手机，他说反正了交了也会被那个A关掉。
elsewhere：如你所说的这位A的停止行为，和你的行为是类似的吗？
田柯宇：说实话不是一种行为，因为他有管理员权限，他更光明正大一些吧。
elsewhere：即便别人受到了影响，但你也只是实习生之一。
田柯宇：我是那个组待的时间最长的实习生，我觉得我有一个心态，就是当看到这个团队变成这样而当时leader实际上没有站出来解决的时候，我发自内心想做点什么。当然事后来看，我应该用更成熟的方法来解决问题，当时的确很冲动。
elsewhere：但从另一个角度来说，可否认为其实你的ego也比较大，其他人都没有表态，但你非要去做些什么。
田柯宇：我觉得他们自己并不是没有什么，当时大家私下聊的时候，言辞都非常激烈了。
elsewhere：有没有一个原因是，你觉得自己所谓老大哥的身份受到了挑战？
田柯宇：可是老大哥不会欺负别人啊，哪个老大哥会欺负其他人？
elsewhere：被你"保护"了的人，后来有对你表达过什么吗？
田柯宇：当时我很快就被开除了。但当时有个人，平时很内向，都不怎么说话的，平时也不太和大家打交道，但我走的时候他送了我一起下楼。当时我挺感动的。
elsewhere：我在网上看到一个你在本科时的帖子，当时你对自己的评价是：并不高冷，性格温和。为什么一个性格温和的人会有这种举动？
田柯宇：我觉得温和和有原则也是可以同时拥有的吧。当时我觉得那个施暴者的行为已经突破一定底线了。
elsewhere："施暴者"？
田柯宇：对，我会用这么严厉的词。当然回头来看，我其实也是以暴制暴。所以今天我深深地觉得我的行为很有问题。
elsewhere：对田柯宇来说，这是一件偶然事件吗？还是说这就是你会干的。
田柯宇：如果拉到一生的长度，有些是必然，有些是偶然。我想把当时这个行为叫做"朴素的正义"，但的确是很不成熟的。就比如走在大街上遇到什么事情，我可能会有比较冲动的方式去做。
Best Paper、永夜、救命稻草
elsewhere：然后就是非常戏剧性的一幕：在字节发出通报的几天后，你拿到了NeurIPS那一年的best paper。
田柯宇：对。这是学生时代最想拿到的奖。但当时我面前时巨大的舆情和诉讼，职场已经一片灰暗了，所以我看到这个东西的第一反应也没有多么开心。
当时的第一个念头是，那我至少可以找份工作吧，不至于没饭吃。我好像抓住了一根救命稻草。
elsewhere：听说有一家大模型公司本来给了你offer，后来取消了？
田柯宇：我印象很深。我当时和他们的Co—founder一口气聊了五六个小时。我觉得这就是我想来的地方。
elsewhere：所以那段时间你的天都是灰暗的？
田柯宇：我怕自己要永远离开这个行业了。对我来说，这可能都不止是灰暗，而是天已经没了，已经进入了永夜。
elsewhere：有过极端的想法过吗？
田柯宇：有一瞬间。有一天我一个人在宿舍，我想到我还是转专业来到的这个领域，因为我真的非常热爱，但我可能因此要离开，我不知道未来几十年我可以干嘛。宿舍有个窗户，外面就是街道，有一瞬间有那种想法。
elsewhere：把你拉回理智的是什么？
田柯宇：我父母都请假来了北京，还有一些其他我的家人也来找我。家人的陪伴对我来说非常重要。
elsewhere：整个事情中，你想对谁说一声抱歉？
田柯宇：我到现在对字节的情结都很深，曾经也想毕业后在字节做出一番大成就，每次想到跟字节闹成了这样，我都很遗憾。
我一直对公司充满歉意。毕竟是我的不当行为间接引发了后来的许多事。这些舆情一定花费了公司很多资源去应对，我很抱歉。也包括公司对我的起诉，他们也花了律师费等成本。所以我也反复强调，我认那个法院判的赔偿，我应该为我的错误付出代价。
我一直跟公司说的都不是"我没错"，而是"我不是谣言里那个大恶人"。
elsewhere：有没有什么人是你要感激的？
田柯宇：对很多人、也包括对字节，我都很感激的。我觉得字节不仅在实习生资源支持上，还是交流氛围上都很好。当时我的leader也帮我化缘了很多资源。
elsewhere：你是一个对危险有感知的人吗？
田柯宇：我一般预想的还蛮多的。但回到当时，这个事后面的结果，我觉得任何一个正常人，领导，和公司都无法预测。比如说这么大的舆情、这么夸张的一个诉讼，甚至A还捏造我们的best paper是由于竞争得来的，这都已经不是world model能预测的范围了。
曾经的最小实习生
elsewhere：你在转专业之前，读的是材料学，为什么会选择这个专业？
田柯宇：我中学时对化学很感兴趣，当时我甚至会跑去化学试剂厂，因为有些东西我们中学实验室是没有的。比如有个实验叫碘钟实验：你把三种东西混合在一起后，会有一个循环的过程，每8秒会从蓝色变成黄色、又变成蓝色。这太神奇了，像个魔术。
elsewhere：那为什么会中途转去读软件工程？
田柯宇：大学后我第一次接触到编程，我发现这太有意思了。刚上本科的时候，我可能每天花10个小时，来做和编程有关的事情。所以其实在我转系之前，其实已经把里面最核心的课都学完了，基本上三五天我就能（自学）刷完一门专业课。
elsehwere：编程的乐趣是什么？
田柯宇：编程是一种创造。你创造完某种东西后，它的运行又能创造另外的东西。另外编程里有很多东西是定量的，比如效率、比如指标，这些数字带来的正反馈也是很强烈的。还有就是，编程和AI有很强的关系。
elsewhere：你大学玩游戏吗？
田柯宇：编程比游戏好玩多了。而且它有很多进度条，我打一个游戏副本和编程的progress相比，那简直没法比的。
elsewhere：你很特别的经历是，从大二开始，就进入了商汤实习，那里待了三年，然后又去字节实习了三年。为什么你会如此早、以及如此漫长地实习？
田柯宇：高中毕业时我就近距离观察过一些企业，所以很早就产生了一种取向：毕业后我肯定要进产业界的，而不是做个老师。那时对我们来说，商汤又是一个白月光式的存在。
elsewhere：应该是商汤当时最小的实习生？
田柯宇：对，我是最小的。商汤的两年，有点像是读了一个迷你PhD。
elsewhere：这么早和这么多的实习经历，会让你更早社会化吗？
田柯宇：我觉得更合适的表达是"学术上的成熟化"。其实大二大三的时候，我就在NeurIPS上发过两篇一作论文。
"双重Buff"
elsewhere：在聊你的创业之前，我想先问一个问题：字节这件事，会不会某种程度上反而让你更加被看见了？
田柯宇：现实来说，是。会得到特别大量的关注，再叠加Best paper的事，好像一个双重buff。
elsewhere：所以这个故事如果你把握的好，会成为某种人生财富吗？
田柯宇：老实说，这种关注度或者热度，对创业肯定是有好处的。但更主要的财富是事件中的成长，是一次洗礼吧。
elsewhere：为什么你的第一个投资人是五源资本合伙人孟醒？
田柯宇：去年年初的时候，我接触的投资人很少，但我觉得孟醒很特别的点在于，他创过业，做过高管，也做过投资，有很多视角是来自他经历和身份的多样性。还有一点就是，他对技术非常有判断力。
elsewhere：大多数投资人对技术都没有判断力吗？
田柯宇：顶尖投资人应该是很有的。但我觉得醒哥的特殊体现在，他能抓住一些原理上根本的东西。
elsewhere：其实孟醒投了很多年轻创业者都挺outlier的，每个人都有很多的story，当然你这个肯定是最抓马的。
田柯宇：我有大概听说。后来他拉我见了Richard（刘芹），他当时说了一句话我一开始不太明白，后来逐渐明白，他说，我身上有一股劲。当时我应该是哭了，热泪盈眶。
elsewhere：有没有人说过，你的用词非常不00后？
田柯宇：……是吗？OK,Ok.
elsewhere：听说你在被一个基金拒绝的晚上，也哭了。
田柯宇：那天晚上我的确哭了一大场。我很喜欢这个基金，最终是在一个线上的meeting，最后有一些关于这个问题（字节）的连环发问，这让我感到绝望。当然现在我也理解了，本来就应该做更多的trust，这件事也是我做的不够好。
elsewhere：你觉得你需要反复自证。
田柯宇：就是反复的自证。尤其是在判决没有下来之前，所有人都会相信话语权更大的言论吧。
我的世界我的模型
elsewhere：你会怎么定义世界模型？你们是世界模型公司吗？
田柯宇：我们定义为预测未来。今天的定义太多，实现太少。我们23年就定了这个方向，主要关注实现。
我不在意是否我们的公司被标记为这个标签，既不主动去贴，也不避之不及。反正我们就是做一个多模态基座模型嘛。
elsewhere：过去半年，国内大概出现了近一百家声称是世界模型的创业公司，你们的差异化是什么？
田柯宇：我们是今天所有路线中最先驱的一条。在world model上，我们观察到了和语言模型一样的预训练scaling law。这种近千亿还没有饱和的Scaling Law是唯一。
elsewhere：长期来看，世界模型能够实现的是什么？
田柯宇：终极形态是 predict everything。比如我拿100亿年前，我把宇宙大爆炸之初的那一团物质状态输给world model，它往后可以推演100亿年。再一个直观的例子，类似漫威里面的奇异博士：他和灭霸斗争的时候，看到了好多种不同的未来，最后只有一种成功了。
elsewhere：为什么你选择的是世界模型，而不是语言模型？
田柯宇：可以追溯到best paper，甚至可以追溯到23年之前，GPT刚刚出来的时候，我身边很多人都转去做了语言模型。但我对语言模型没有兴趣。我更想把它的成功搬迁到图像、视频领域来。
所以23年我发了个小知乎，大概两句话：一是我们要大规模地从视频里学习一个自回归模型；二是我们首先得做表征，要做一个AI自己的语言。
elsewhere：你说你对语言模型不够有兴趣，具体是对什么没有兴趣？
田柯宇：深层次的原因是，我之前就一直在自监督领域。这个领域之所以吸引我是因为，人没教它，它可以自发学东西。就比如看了大量图片后，它能朦朦胧胧地感觉到猫跟狗的区别。
elsewhere：语言模型也可以自学啊。
田柯宇：但语言首先是人造的。我更喜欢蒸馏自然，而不是蒸馏人。
elsewhere：我们说得近一些，第一阶段的智能会是怎样的？
田柯宇：就比如密封在一个小房子里，就好比我们现在的这个酒吧里，如果我丢了一个大石头砸向那面墙，那些玻璃瓶应该怎么碎裂、怎么跌落，它可以预测的很准。
或者说当我们想算命，我就去抛三枚铜币，它们在空中的那一瞬间，world model也应该可以预测出来。
elsewhere：这是已经实现的吗？
田柯宇：以前是很难的，但现阶段我们已经实现了。我们会想做一个场景出来，让大家来现场体验。
elsewhere：你要做的这些事需要多少人？或者说你最需要的是什么？
田柯宇：做预训练不需要那么多人，我们到今年年底目标可能也就20个人（的团队）。我觉得最重要的是集体智慧，以及一个土壤，能够激发每个人的自由发挥。
elsewhere：如果有一天，你的公司里出现了一个24年的田柯宇，你会怎么做？
田柯宇：站在leader角度，我可能会想怎么处理矛盾，甚至是在矛盾发生之前，怎么去干预这件事，以防患于未然。当然不管作为个人还是创始人，做任何事还是要更成熟地对待。
兔子、MJ 和怜爱
elsewhere：有人吐槽你的发型，觉得很杀马特。
田柯宇：这个发型我从大一就是这样，到今天我都去北航宿舍楼下的一个地方理发。
elsewhere：你喜欢小兔子？（在录制前一晚，田柯宇发了他小兔子的视频给我们）
田柯宇：一方面兔子很好养，而且它有时好像很聪明，有时又好像没有记忆，而且它不会说话，给人一种天然想去怜爱的感觉。
elsewhere：喜欢听什么歌？
田柯宇：没歌词的喜欢听Techno（科技舞曲），它会给我带来一种很强的节奏感，维持我在工作时的心流状态。
有歌词的喜欢 Michael Jackson，他非常有才华和创新力，以及坚韧。他也是一个非常有悲悯心的人，比如他特别关注儿童群体。而这种怜悯和他自己的人生遭遇是很反差的。
elsewhere：不管是小兔子，还是MJ，你都提到了怜爱，你觉得你有一些自我代入吗？
田柯宇：这个我其实没也太意识到。兔子是我高中时就想养的，MJ我还是更喜欢他的闪耀的才华。
一个毒誓
elsewhere：假如有一天 AGI 实现了，你会想做什么？
田柯宇：如果这样的话，我会转去研究冬眠。然后我想让自己冬眠1万年，再看一下这个世界变成什么样子。
elsewhere：万一醒来之后发现世界已经没有了怎么办？
田柯宇：那我就在这之前先做一个事：让 ASI 不要做破坏这个宇宙的事情。
elsewhere：为什么要1万年以后？
田柯宇：就我想看那个时候的科技、文明变成什么样了。如果说冬眠技术有限，我只能看个 10 秒钟，也可以。已经是最大的意义了。
elsewhere：你能发个誓，说你在这里讲的都是真的吗？
田柯宇：当然。关于病毒，关于攻防，都是空穴来风。
elsewhere：还有吗？可以一并发掉。
田柯宇：还有一些我非常接受不了的，比如声称（字节事件）是他人所为，我对这种行为深深的鄙视。
elsewhere：假如你说了假话？
田柯宇：终生研究受挫。当然都是真话的话，希望以后我的研究也能顺一些。
云头条声明：如以上内容有误或侵犯到你公司、机构、单位或个人权益，请联系我们说明理由，我们会配合，无条件删除处理。
热门跟贴