微软 14 年 AI 老将 John Langford 离职：称研究创新难落地
微软 14 年 AI 老将离职：称创新难落地，降本研究未获认真考虑
一位在微软干了 14 年、做 Contextual Bandits 起家的研究老手，因为“只卷规模不听新想法”走人了。他 8 月的全带宽 Transformer 能让 10 亿参数模型省数据打平大模型，字节 Seed 的 Recycler 也走了同一条路。做模型架构和关心大厂研究氛围的人都该看看。
在微软任职超过 14 年的 AI 科学家、AI Frontiers 实验室联合创始人 John Langford 已离职，他给出的原因是研究成果看不到实际应用路径，创新想法难以获得认真考虑。兰福德是机器学习领域的资深研究者，长期推进 Contextual Bandits（上下文多臂老虎机）方向，在探索算法、学习问题归约和离线策略评估方面有代表性贡献。
他所在的约 50 人团队于今年 9 月被并入 Mustafa Suleyman 领导的 Microsoft AI 部门，双方在研究路线和团队重组方式上分歧较大。兰福德承认扩大模型规模能改善预测效果且回报更易预期，但反对把扩规模当成唯一核心，认为这会挤压探索新方法的空间。争议焦点是他今年 8 月发布的“全带宽 Transformer”研究：该方案在生成词元时重用内部中间状态，实验中 10 亿参数模型以更少训练数据接近常规模型用约 1.5 倍数据训练的表现，额外计算开销很小。
字节跳动 Seed 团队 10 月 25 日发布的 Recycler 研究采用类似思路重用隐藏状态，在推理和数学任务上能超越参数多两到三倍的模型。兰福德的离开反映出大厂研究团队在扩规模路线与研究创新之间的取舍正在变得尖锐。
微软 14 年 AI 老将离职：称创新难落地，降本研究未获认真考虑
IT之家 11 月 14 日消息，科技媒体 Windows Latest 今天（11 月 14 日）发布博文， 报道称在微软任职逾 14 年的 AI 科学家、AI Frontiers 实验室联合创始人约翰 · 兰福德（John Langford）已离职。 他表示，离开的关键原因是研究成果看不到实际应用的路径，创新想法甚至难以获得认真考虑。 微软任职逾 14 年的 AI 科学家、AI Frontiers 实验室联合创始人约翰 · 兰福德（John Langford），图源：微软 IT之家查询公开资料，兰福德是机器学习领域资深且有影响力的研究者，长期从事机器学习与学习理论研究，其重要贡献是推进 Contextual Bandits（上下文多臂老虎机），与合作者在探索算法、学习问题归约及离线策略评估方面做出代表性工作，为机器学习系统利用不完整反馈改进决策提供了理论与方法基础。 兰福德所在的约 50 人团队于今年 9 月发生调整，被并入穆斯塔法 · 苏莱曼（Mustafa Suleyman）领导的 Microsoft AI 部门，但在研究路线、创新落地渠道和团队重组方式上存在较大分歧，因此兰福德决定离职。 兰福德承认，扩大模型规模确实能够改善预测效果，而且对企业来说，这条路线的回报更容易预期清晰。但他反对的是把扩大规模当成唯一核心，这会让工作重心过度集中在数据上，挤压探索新方法的空间。 Scott Langford 和 Mustafa Suleyman，图源：微软 兰福德个人倾向于研究创新，而 Microsoft AI 部门更偏重扩大 AI 模型规模，其争议主要涉及兰福德于今年 8 月发布的“全带宽 Transformer”研究。 该研究认为模型生成下一个词元时，不只是利用此前输出的词元，还会重新利用内部的中间状态，减少信息浪费。在论文实验中，10 亿参数模型能够以更少训练数据，接近或达到使用约 1.5 倍数据训练的常规模型表现，每个词元增加的计算开销则很小。 Microsoft AI 模型在 Build 2026 发布会上发布，图源：微软 报道指出，字节跳动 Seed 团队在今年 10 月 25 日发布采用类似思路的 Recycler 研究，该方法以类似方式重用隐藏状态，且在推理和数学方面，能超越参数多两到三倍的模型。
本条情报归属 AITOP「行业」核心栏目，重点聚焦北美前沿实验室与硅谷科技巨头。在跨区域产业观察坐标中，该动态直接关联「AI 开发者工具链、Coding Agent 与工程化实践」研究主线，反映出当前技术演进与商业落地的最新风向。涉及核心实体与技术议题包括：微软、John Langford、Mustafa Suleyman、全带宽 Transformer，读者可通过下方标签进入对应专题页查阅历史脉络与关联对比。
信源核验说明：本文原始线索采编自「IT之家」，经 AITOP 多维评分管线结构化提炼。
