00:00 简介
03:26 嘉宾自我介绍：俞舟教授与Arklex公司
04:45 研究背景：从NLP到AI Agents
07:18 核心问题：AI Agents与NLP的现状
08:02 观点：大语言模型(LLM)是NLP的机遇而非终结
12:15 探讨：LLM时代，NLP研究还有什么价值？
15:11 案例分析：DeepSeek的创新是工程还是研究？
18:10 何为“新颖”：Transformer与GPT-3的启示
19:47 深入：大语言模型(LLM)“涌现”能力的原因
21:44 通俗解释：为什么大语言模型(LLM)能工作？
22:28 待续：研究与实际落地的差异
完整版91分钟：哥大AI教授，Arklex.ai创始人：学术业界结合，Agents前沿应用，技术创业的经验教训｜俞舟访谈
本期访谈邀请了哥伦比亚大学教授、Arklex公司创始人俞舟。俞舟教授分享了他从早期研究自然语言处理（NLP）到创立专注于AI Agent Orchestration（AI代理协调层）公司的历程。访谈深入探讨了在大语言模型（LLM）兴起后，NLP领域的发展现状、研究方向的转变、AI Agents领域的机遇与挑战，以及对“研究新颖性”和LLM“涌现能力”等核心概念的理解。
核心亮点提炼：
嘉宾背景： 俞舟教授拥有深厚的NLP研究背景（浙大、CMU博士），现为哥大教授并创办了AI公司Arklex，专注于AI Agent的协调层技术（开源与企业版）。
NLP未死论： 俞舟教授认为LLM的出现极大地推动了NLP领域的发展，使其更受欢迎、资源更丰富，吸引了顶尖人才，为研究者（包括他自己）带来了更多机遇（如教职增加、经费易得），而非终结了这个领域。
研究价值转变： 即使很多基础任务看似被LLM解决，但研究并未停止。重心转向了如何让模型更高效、更鲁棒、成本更低、处理边缘案例、进行多模态融合等，以及探索更前瞻性的应用（如他早期研究的多模态Agent）。LLM/API降低了研究门槛，让研究者能更快探索更复杂的问题。
研究的多样性： 研究不仅包括提出全新算法（如Transformer），也包括优化效率、降低成本（如DeepSeek在架构上的贡献）以及巧妙地组合现有技术并开源分享，推动整个社区进步。
LLM涌现解密： LLM的“涌现”能力（如GPT-3的In-Context Learning）被认为是“量变引起质变”的结果。俞舟团队的研究发现，预训练数据中存在的“平行结构”（如语言中的重复模式）是模型学会In-Context Learning的关键。
LLM工作原理简述： 大模型因其巨大的容量，在学习海量数据和足够监督信号后，能够进行知识的泛化和外推，而不仅仅是复制，从而展现出强大的能力。
我是孙煜征，大家叫我立正，康奈尔经济学博士、《真本事》作者、超线性学院创始人。在这里，和我一起把AI、工作与人生中的重要问题想明白。
了解我、阅读文章与查找往期节目
问问立正｜把问题想明白
听完还有问题，或想把一个观点用到自己的处境里？试试我做的「问问立正」：AI会从我的公开文章、视频和《真本事》中寻找相关内容，整理回答，并附上出处。每天可免费提问3次。
不怕AI天天变，就来超线性学院
学点真本事，做点真东西。超线性学院是我创办的免费AI社区，两万多人在这里分享真实项目，你也可以带着问题来讨论。App Store搜「超线性学院」也能加入。
https://www.superlinear.academy/
AI Builders｜系统学懂AI，真正用起来
想系统学懂AI、用它做好重要工作，把想法做成作品？了解我和鸭哥一起做的AI Builders课程。