17岁陈广宇离开Kimi：一篇只有20个粉丝看得到的技术分享，如何打开机会？

导读｜2026年10月15日，17岁的陈广宇宣布已离开月之暗面Kimi团队。外界随即猜测他的下一站，但截至目前，能够确认的是他将前往旧金山湾区；他已否认加入Anthropic的传闻，尚未公布新去向。比猜测雇主更值得关注的，是他从公开学习、技术写作到参与真实研究的经历。

一篇论文，让更多人认识了他

2026年3月16日，Kimi团队公开论文《Attention Residuals》（注意力残差）。论文将陈广宇、张宇和苏剑林列为同等贡献作者。它研究的是大模型各层如何使用先前层的信息：传统残差连接持续累加输出，新方法则让模型有选择地聚合这些信息。

这不是一个人完成的突破。苏剑林在研究回顾中说明，初始想法和小规模实验由他提出；陈广宇与张宇随后参与更大规模验证，并共同提出“分块注意力残差”设计，以降低应用时的额外开销。

这样的分工，比“17岁少年独自改写大模型架构”的说法更准确，也更能说明科研是怎么发生的：一个想法要走向大规模实验，需要不同成员持续解决具体问题。

他是怎样进入研究团队的？

据《中国新闻周刊》采访报道，陈广宇从2025年开始集中学习机器学习。他把论文交给Gemini辅助阅读，围绕不懂的概念不断提问，同时追踪开源项目、学习写代码。2025年5月，他在一个约有20名关注者的社交账号上分享了关于DeltaNet的技术分析，得到该方向研究者的回复，随后进入Tilde Research负责人的视野。经过进一步学习和应聘，他于当年7月赴美国实习七周，后来加入Kimi团队。

这个过程里，公开分享起到了作用，但它并没有自动换来职位。从发文受到关注，到能够进入项目，中间还有持续学习、编写程序和接受实际考核。对普通学习者来说，这比“发一篇博客就能被顶尖团队发现”更值得借鉴。

对正在学AI的人，有什么启发？

先把问题学具体。读论文时，可以请AI解释一个概念、一段推导或一处代码，再自己核对原文并尝试复现。能否用自己的话讲清楚、能否把方法跑起来，是检验理解的办法。

留下可供别人判断的作品。一篇写清思路和疑问的技术笔记，一个附有运行结果的小项目，都比一句“我正在学习AI”提供更多信息。陈广宇的经历说明，小账号也可能被相关领域的人看到；这是一种机会，不能当作保证。

让作品服务于学习。陈广宇也曾在个人博客中反思：如果总想着什么内容会获得更多浏览，注意力可能从研究问题转向追逐传播。他更看重由真实兴趣带来的交流。

陈广宇的年龄和成长速度引人注目，却不适合作为每个人的学习进度表。更有参考价值的是一条朴素路径：遇到感兴趣的问题，借助工具把它弄懂，动手验证，再把过程清楚地写出来。下一站尚未公布，他已经完成的工作则有论文、项目和文章可查。

关注本站，每天分享跨境电商前沿资讯（ Ctrl + D 收藏本站/收藏为书签 ）