文 | 字母 AI

有这样一则消息在 AI 圈悄然流传：DeepSeek 研究员郭达雅已经离职。

大家第一时间的反应普遍是 " 谁？谁是郭达雅？"

这不难理解，因为郭达雅的知名度远不如创始人梁文锋以及 " 天才 AI 少女 " 罗福莉。

但是在学术研究以及对 DeepSeek 大模型的贡献上，郭达雅要比后两者高许多。

截止至发稿，郭达雅发表的论文已经被引用超过 37000 次，远远超过了同龄的研究者。

郭达雅的 h 指数为 37，i-10 指数为 46，说明他不仅学术产出非常稳定，而且他还发表了多篇拥有极高影响力的论文。

甚至可以这么说，只要你了解过郭达雅的研究方向以及他所主导的研究后，你就会认识到，当年之所以能出现 DeepSeek 时刻，郭达雅绝对功不可没。

那他去哪了？目前有两种说法，一种说是百度，一种说是字节。

实际上这两年加入字节的这几个大牛，周畅、郁博文、蒋路，他们都是视频方向的。

郭达雅不一样，他是代码智能和数学方向的，他刚好可以补强字节在 Vibe Coding 以及 AGI 这两大板块。

如果是去百度，那也说得通。文心快码在 3 月份刚刚完成了 4.0 版本迭代，推出了多 agent 协同全链路开发的功能。

但是你知道文心快码 3.0 是什么时候发布的吗？是 2024 年 11 月。两个大版本中间相隔了一年多，这在以周为单位的 AI 圈是不太常见的。

这么看下来，百度其实比字节更需要郭达雅。

然而对于迟迟不发布 V4 的 DeepSeek，郭达雅的离职，无疑是雪上加霜。

郭达雅其人

郭达雅 1995 年出生于广东珠海，2014 年考入中山大学数据科学与计算机学院。大四时入选中山大学与微软亚洲研究院联合培养博士生项目，在印鉴教授和周明博士指导下攻读博士学位，研究方向是自然语言处理。

2020 年获得微软学者奖学金，这个奖项每年只授予亚太地区 12 名博士生。2023 年博士毕业后，他加入 DeepSeek 担任研究员，专注代码智能和大语言模型推理。

郭达雅在博士期间的一个细节值得注意。他在微软亚洲研究院实习时，分别在 EMNLP 和 NeurIPS 这两个顶会发表了论文。

如果按照中山大学的毕业要求，郭达雅在博士入学的第三天，就已经完成了博士学位最难的论文发表要求。

他本人在接受采访时也提到了这件事。那我们不妨挑一篇其中影响力最高的来一起过一遍。

2020 年，郭达雅作为共同第一作者，在 EMNLP 2020 上发表了 CodeBERT。另一位共同第一作者是哈尔滨工业大学的冯章印。

CodeBERT 是首个将双模态预训练的效果做到跨语言通用的 SOTA，它能同时处理自然语言和编程语言。在此之前，BERT 等预训练模型，虽然在自然语言处理领域取得了成功，但针对编程语言的预训练模型研究相对匮乏。

CodeBERT 的核心创新在于引入了替换标记检测任务。传统的掩码语言建模只能利用配对的自然语言 - 代码数据，而替换标记检测借鉴了 ELECTRA 的思想，通过检测生成器产生的似是而非的替代标记来训练模型。

这使得 CodeBERT 能够利用大量单模态代码数据，大大扩展了训练数据规模。模型在代码搜索和代码文档生成任务上取得了当时的最优性能。

或者我换一种方式来描述，CodeBERT 它能让 AI 既能读懂人类语言的需求描述，又能理解代码的逻辑结构。比如你用中文说 " 给我找一个排序算法 "，它就能帮你找到相关的代码；或者你给它一段代码，它能用人话解释这段代码在干什么。

虽然现在看来这没什么，可这篇论文是 2020 年发表的，在当时，代码就是代码，自然语言就是自然语言，这两者之间隔着一条通天河。

因此，CodeBERT 的出现，其实可以被看做是现如今 Vibe Coding 的开端。

加入 DeepSeek 以后，如果你要问郭达雅参与过的最有影响力的学术成果，那肯定是非 DeepSeek-R1 莫属了。

但如果你要问排名第二的是哪篇，那我告诉你，答案不是 DeepSeek-V3，而是 DeepSeekMath。

DeepSeek-V3 的技术报告引用数量为 3890，而 DeepSeekMath 的引用数量为 5182。

2024 年 2 月，郭达雅作为核心贡献者参与了 DeepSeekMath 的研发。这是继郭达雅以第一作者身份发表 DeepSeek-Coder 后的又一力作，这个项目的目标是提升大语言模型在数学推理方面的能力。

DeepSeekMath 的关键创新是引入了 GRPO，即群体相对策略优化。这是近端策略优化 PPO 的一种变体。

传统的 PPO 需要训练一个独立的价值函数模型，这增加了内存使用和计算开销。

所以 GRPO 干脆直接放弃了对独立价值函数模型的依赖，转而通过群体内的相对比较来估计优势，因此降低了训练资源需求。

GRPO 的工作流程是这样的：对于同一个数学问题，模型生成多个候选答案，然后根据这些答案的正确性进行排序，将正确答案的概率提高，错误答案的概率降低。

这样一来，大模型在下次遇到类似问题就知道该怎么做了。

这种方法不需要额外的价值网络，只需要一个能够验证答案正确性的奖励函数。在数学推理任务中，奖励函数可以直接检查最终答案是否正确。

相当于让模型在判断问题的时候，又快又准确，关键是还节省了内存占用。

经过 GRPO 强化学习优化后的 DeepSeekMath-RL 7B，在无外部工具、无投票集成的条件下，在 MATH 基准上取得了 51.7% 的成绩，这和同期的 Gemini-Ultra 和 GPT-4 接近，在当时的开源大模型领域，已经非常难得了。

因此，GRPO 在后来也被应用到了 DeepSeek-R1 的训练当中。

郭达雅去哪？

其实如果咱们从技术贡献的角度看，虽然梁文锋、罗福莉的知名度更高，但是郭达雅对 DeepSeek 的贡献要比他们俩都高。这点和公众认知是相反的。

梁文锋的作用是提供研究方向和资源支持。他在多篇论文中的署名位置通常靠后，表明他不是主要的技术贡献者。

罗福莉虽然也参与了 DeepSeek-V2 的研发。不过从论文作者名单看，她的名字并没有标注为核心贡献者。

言归正传，在 agent 的本质，就是代码理解（Code Understanding）、代码生成（Code Generation）和程序综合（Program Synthesis）这三件事。

而巧合的是，从 CodeBERT 开始，郭达雅的研究方向就是如此。

因此我认为，郭达雅的离职，对于 DeepSeek 来说，影响是非常大的。

除了前文提到的 CodeBERT，郭达雅还主导了 GraphCodeBERT 和 DeepSeek-Coder。

前者是让 AI 能理解代码中变量之间的依赖关系，比如说改了 a 会影响 b，改了 b 又会影响 c。这对代码重构和修复 Bug 特别有帮助。

后者则是通过支持多种编程语言和更长的上下文，让模型能一次性理解整个项目的代码架构。DeepSeek-Coder-V2 的代码性能与同期的 GPT-4 Turbo 相当。

2024 年的时候，字节从阿里挖走了周畅。周畅在阿里通义千问负责多模态相关研究，加入字节后担任 Seed 视觉多模态负责人，主导 Seedream 和 Seedance 的研发。

2026 年春节，周畅交出了在字节的第一份答卷 Seedance 2.0，凭借 " 导演级 " 的视频生成能力在全球范围内引发轰动。

现在，字节用同样的方式挖走了郭达雅。周畅补强的是视觉多模态，郭达雅要补强的，是代码智能和推理能力。

字节 Seed 团队在 2025 年初经历了一次重组。

吴永辉接管后，打破了模型部门间的数据壁垒，组建了三层架构：Edge 团队负责长周期的 AGI 课题，Focus 团队负责核心技术攻坚，Base 团队确保当前一代模型的稳定交付。

从技术匹配度看，郭达雅最可能负责的，是代码大模型的全链路技术攻坚。

比如说主导字节 Code-LLM 的下一个迭代之类的。

因为郭达雅擅长预训练架构优化、超长上下文适配、多语言支持等核心技术的研发，所以他很可能会为字节带来那种 " 项目级 " 的代码生成 agent。

第二个核心方向是推理能力。

目前字节 Seed 团队的核心战略之一，就是类 o1 的通用推理大模型，郭达雅的加入，将直接给字节带来行业最成熟的 GRPO 落地经验。

他大概率会负责推理方向的强化学习算法研发，优化豆包大模型的数学推理、多步逻辑推理、复杂任务拆解能力。

第三个方向是数学推理专项模型研发。

数学推理能力是大模型通用逻辑能力的核心底座。Seed 团队专门设立的 Edge 团队，聚焦 3 年以上的长期 AGI 基础研究。

并且取消了短期季度考核，允许团队投入资源做探索性研究。

郭达雅所参与过的 DeepSeekMath，正是这个方向。

如果郭达雅选择加入百度，他同样能在代码智能领域发挥重要作用。

前文提到，文心快码在 2026 年 3 月刚刚完成了重大升级，更新的重点是多 agent 协同。

它具体的协同方式是：Plan agent 负责需求澄清和任务规划，Architect agent 通过 SubAgents 机制拆解复杂任务，每个子 agent 拥有独立上下文，以解决长 Context 下的 " 遗忘 " 问题。

而郭达雅刚好研究过这套全链路环节上的每一个节点，换句话说，百度正在做的事情，和郭达雅的研究方向完全重合了。

因此，如果他加入文心团队，很可能会负责优化这些 agent 之间的协同机制，提升代码生成的准确性和项目级理解能力。

说到挖角 DeepSeek 核心人才，阿里也不容忽视。2026 年 3 月初，阿里通义千问技术负责人林俊旸在社交平台突然宣布离职。

更糟糕的是，除了林俊旸外，千问在 2026 年还失去了后训练负责人郁博文、代码模型负责人惠彬原等多名技术骨干。

就在这个关键时刻，阿里 CEO 吴泳铭在 3 月 19 日的财报电话会上放出狠话，说当前阿里的 ATH 事业群，更高优先级是 " 打造智能能力最强的模型 "。

这时候，如果阿里能够引进郭达雅这样的顶级专家，那无疑是一箭双雕。既能填补林俊旸离职留下的技术空白，又能直接获得 DeepSeek 在代码智能和推理能力方面的核心经验。

讲真的，比起迟迟不发 V4 的 DeepSeek，郭达雅有理由趁着年轻，去字节或者百度、阿里做出点成绩。

DeepSeek-V4 还会来吗？

2026 年 1 月初，外媒援引两名知情人士的消息称，DeepSeek 计划在春节期间推出下一代旗舰模型 V4。消息还提到，V4 在内部测试中的编程能力已经超越了 Claude 3.5 Sonnet 和 GPT-4o。

这个消息让整个 AI 圈都兴奋起来。

自 2025 年 1 月 20 日发布 DeepSeek-R1 以来，DeepSeek 没有发布过任何一个大版本的迭代，最新的模型也只到了 DeepSeek-V3.2。

春节来了，V4 没来。

2 月 11 日，有用户发现 DeepSeek 的 App 版本号更新为 1.7.4，上下文窗口从 128K 提升至 1M，知识库截止时间更新到 2025 年 5 月。

社区立刻沸腾了，大家纷纷在猜，说这就是传说中的 V4 灰度测试吗？

但接近 DeepSeek 的人士很快给出了否定答案：" 这不是 V4，就是一个小版本更新。"

随后外媒又报道称，DeepSeek 将在 3 月 2 日发布 V4。报道还表示，V4 将针对国产芯片进行优化，是该系列大模型中第一个完全基于国产算力生态的版本。

这一消息很快被大量国内媒体转载。

3 月 2 日到了，无事发生。

紧接着第二天，又有消息称 V4" 极大概率 " 将在本周发布，还有泄露的基准测试数据显示，V4 在 HumanEval 上得分 90%，作为对比，DeepSeek V3 为 82%。

事实上，HumanEval 只是一个入门级的代码生成基准测试，目前已趋于指标饱和，根本无法完整区分顶级代码大模型的真实能力，所以当时我就觉得这是个假新闻。

果然，眼瞅要到 4 月了，V4 依然没有出现。

现在还有报道称 DeepSeek-V4 预计在 2026 年 4 月正式发布，重点提升长期记忆能力，并深度适配国产芯片。

延期的原因众说纷纭。有人说是模型规模膨胀导致训练进度延迟，还有人说是多模态功能的整合比预期复杂。

但有一个细节值得注意，V4 的核心卖点之一，就是 " 超强编程能力 "。根据泄露的信息，V4 能处理 30 万行代码逻辑链。

而郭达雅，正是 DeepSeek 在这一块的顶梁柱。

DeepSeek 的核心研究人员不多。从论文作者名单看，经常出现的名字不超过 20 个。

在这样一个精英小团队里，每一个都是不可缺少的，更何况他还是郭达雅这样的超级大牛。

道理就摆在这了，如果 V4 成功了，说明 DeepSeek 找到了替代者，或者团队成功完成了技术交接。

如果 V4 再次延期，或者代码能力没有达到预期，那么郭达雅离职的影响就会真正显现出来。

从现在的情况看，DeepSeek 正在经历一场严峻的考验。它需要证明，即使失去了核心人才，它依然能够保持技术创新的节奏。