吴翼：NOI金牌进姚班，放弃OpenAI股权回国，加入清华教下一代姚班学生

NOAI竞赛 · AI人物

2016年，NeurIPS大会公布最佳论文奖。

NeurIPS是机器学习领域最顶级的学术会议，每年几千篇投稿，最佳论文通常只有一两篇。

获奖的那篇论文叫Value Iteration Networks，作者之一是一个叫吴翼的中国博士生。

这是他在深度学习领域发表的第一篇论文。投了10次被拒，第11次才中——一中就是最佳论文。

七年前，这个人还在江苏常州的高中里刷信奥题。

常州少年，NOI全国第5

吴翼是江苏常州人，1992年出生。小学参加计算机兴趣小组，初一正式跟着常州高级中学的曹文老师学信息学竞赛。

2009年，高二暑假，NOI金牌，全国第5名，544分。保送清华姚班。

紧接着入选国家队，2010年代表中国参加IOI，比赛在加拿大。吴翼是那一届中国队的队长。

结果：银牌，全球第31名，离金牌线差3分。

同年中国队四个人——冯齐纬和赖陆航拿了金牌，潘宇超和吴翼拿了银牌。但后来走得最远的，恰恰是拿银牌的吴翼。

在伯克利"闭着眼"选了个项目

2014年，吴翼从姚班毕业，去UC Berkeley读博。

一开始他的研究方向跟AI没关系——编译器和逻辑推理。做了一段时间，发现自己既不擅长也不喜欢。

他主动找到Pieter Abbeel教授，说想转强化学习。Abbeel给了他三个项目让他挑。

"闭着眼随便选了一个。"

这个"随便选的"项目，就是后来拿了NeurIPS最佳论文的Value Iteration Networks——把一种经典的规划算法嵌进神经网络里，让AI不只是模式匹配，还能像人一样做路径规划。

投了10次被拒10次。第11次，最佳论文。

OpenAI：教AI玩捉迷藏

博士快毕业的时候，吴翼其实已经答应了姚期智先生回清华任教，签了助理教授合同。但正式回国前，他想在美国业界看看。

本来想去Google Brain，但Google说只能待一年半太短了，不给名额。阴差阳错，他去了OpenAI。

2019年到2020年，吴翼在OpenAI做了大约18个月。

他参与的最知名项目叫"捉迷藏"（Hide and Seek）。研究团队搭了一个虚拟世界，里面有两拨AI小人——一拨藏，一拨找。没有人告诉它们该怎么玩，只给了最简单的规则：藏住了得分，找到了得分。

然后让它们自己博弈了几十亿轮。

结果这些AI小人涌现出了六个阶段的策略演化：一开始只会跑，后来学会搬箱子建堡垒，再后来学会用斜坡翻墙——防守方发现之后，又学会了把斜坡锁住……

这段演示视频发布后，成了OpenAI历史上点击量最高的研究视频之一。全世界都在讨论：AI真的能从零开始"发明"工具。

就是在这期间，公司给他提了升职和股权期权。他拒绝了——因为他答应了姚先生要回去。

今天OpenAI估值超过千亿美元。吴翼后来自嘲："当年不懂股权的价值。"

回国：教书、研究、创业，同时推

2020年，吴翼正式回到清华大学交叉信息研究院，成为助理教授。

回来之后，他没有只在学校里做研究。

在清华，他带博士生，教深度学习课，发了40多篇顶会论文。研究方向从多智能体强化学习，扩展到大模型推理、人机交互、机器人。

在蚂蚁集团，他是强化学习实验室的首席科学家。2025年，他带团队做出了AReaL——一个专门为大模型推理训练设计的开源强化学习系统。用7B的小模型，在数学推理测试AIME24上跑出了61.9分，训练速度比传统方法快将近3倍。

创业方面，2023年他创办了边塞科技，方向是用大模型和强化学习做智能体。他自己说，创业是经历过最"卷"的阶段，AI创业几乎每天都在与"死亡赛跑"。

2025年，吴翼入选MIT Technology Review"35岁以下科技创新35人"亚太区榜单，同年获得世界人工智能大会（WAIC）云帆奖。

吴翼，从姚班少年到教姚班的人。