杰森·魏（Jason Wei）

概况

杰森·魏（Jason Wei）是研究大语言模型的研究者，工作集中在两个问题：模型能不能推理，以及能不能按指令做事。他的个人主页写明，2020 年至 2023 年他在 Google Brain 任研究科学家（research scientist），并称这段工作推动了思维链提示（chain-of-thought prompting）、指令微调（instruction tuning）以及大语言模型「涌现」（emergence）研究的普及^[1]。2023 年至 2025 年他在 OpenAI 从事推理与智能体（agent）方向的工作^[1]；主页显示他目前在 Meta Superintelligence Labs 任职^[1]。

思维链提示

他是《Chain-of-Thought Prompting Elicits Reasoning in Large Language Models》的第一作者，该论文于 2022 年 1 月 28 日提交到 arXiv，合作者包括 Xuezhi Wang、Dale Schuurmans、Maarten Bosma、Brian Ichter、Fei Xia、Ed Chi、Quoc Le 和 Denny Zhou^[2]。

方法本身不难描述。通常提问时，模型被要求直接给出答案；思维链提示改为在示例里把中间推理步骤写在答案前面，形成一个「思维链」。模型看到新问题时，便倾向于先写出类似的步骤，再给出结论。多步骤的问题一次性跳到答案容易出错，拆成小步之后，中间结果可以逐步往下传，模型也就有了「打草稿」的空间。这种做法只改变提问方式、不动模型参数，因而成为从模型里取得推理能力的常用手段之一，也是与他名字联系最紧的一条工作线^[1]。

涌现能力

他同样是《Emergent Abilities of Large Language Models》的第一作者，论文于 2022 年 6 月 15 日提交到 arXiv，作者还包括 Yi Tay、Rishi Bommasani、Colin Raffel、Barret Zoph、Oriol Vinyals、Jeff Dean 等人^[3]。

这篇论文讨论的是比较不同规模模型时常见的一种现象：某些能力在小模型上几乎看不到，模型规模超过某个水平后却突然出现。这类能力被称为「涌现」。它的实际意义在于预测之难——如果一项能力在小模型上完全观察不到，就很难由小模型推断大模型是否具备、何时具备。论文之后，「涌现」逐渐成为讨论规模扩展时的常用说法^[1]。

其他论文

主页还把《Finetuned language models are zero-shot learners》（2021 年 9 月）、《Measuring short-form factuality in large language models》（2024 年 10 月）和《A simple yet challenging benchmark for browsing agents》（2025 年 4 月）列在他的论文之中^[1]。

三个标题指向不同的问题。指令微调是把大量任务改写成指令形式来训练模型，目的是让同一个模型在没有专门训练过的任务上也能照指令行事。事实性那篇关心的是另一个方向：模型给出的短篇陈述是否属实、如何测量。浏览智能体的基准则面向会用网页完成任务的系统，研究怎样检验它们。

在领域中的位置

从这些工作看，他的研究重心从「靠提示让模型把推理写出来」，转到「刻画大模型在规模扩大后究竟具备什么能力」，再到推理与智能体。主页上的三家机构——Google Brain、OpenAI 和 Meta Superintelligence Labs——都是研发大模型的主要场所，他关于提示方法与规模扩展的论文，是这些讨论中常被引到的参照^[1]。