Trillium Labs 成立：Nathan Lambert 要把前沿 AI 的訓練方法帶回開放科學
Nathan Lambert 與 Tom Zick 成立非營利 Trillium Labs，從開放後訓練配方出發。本文解析研究目標、初期支持與開放模型生態的實際意義。
Trillium Labs 是由 Nathan Lambert 與 Tom Zick 共同成立的非營利 AI 研究組織。2026 年 10 月 2 日，Lambert 在 X 公布成立消息，提出從開放的後訓練方法出發，逐步建立更多人可以檢查與使用的研究基礎。
後訓練是模型完成基本學習後，再學習遵循指令、使用工具與處理特定工作的階段。對開放模型社群來說，取得模型檔案之外，還需要知道能力怎麼練出來。Trillium Labs 的成立消息，指向的正是這一層差距。
為什麼訓練配方值得公開
模型配方指的是訓練資料、方法、參數與評估方式的組合。只拿到可執行的模型，開發者可以使用它，卻未必能解釋某個能力為何進步，也不一定能在自己的環境重現結果。
Lambert 的成立公告把開放後訓練配方列為起點。他提出的理由是，困難技術問題需要更多人一起檢查，而前沿 AI 研究正在變得更封閉。
這是新組織的研究立場。我認為它的價值會取決於後續公開程度：外部團隊能否依照文件重做實驗、找出失敗原因並改進方法。成立一個非營利機構，本身還不能證明這些工作已經完成。
目前公開的成立資訊
公告確認共同創辦人為 Nathan Lambert 與 Tom Zick，初期得到 Halcyon Futures 與 Schmidt Sciences 的支持。組織也正在招聘、募資與尋找算力，辦公地點規劃在舊金山灣區與麻州劍橋，並接受遠距合作。
這些資訊描述的是起步階段。公告沒有提供已完成的模型、確定的發布時間表，或可供外部評估的成果數字。因此，讀者可以把它列入開放研究的追蹤名單，暫時不宜把成立消息當成新模型能力突破。
初期支持與招募也顯示，開放研究仍需要資源。公開方法可以讓更多人參與，但訓練、測試與維護基礎工具都需要人力和運算設備。能否持續取得資源，將影響組織能把多少研究想法做成可重現成果。
三個研究方向，和使用者有什麼關係
Lambert 提到，組織會逐步擴展到開放基礎設施，研究遞迴自我改進、獎勵鑽漏洞與多代理系統。這些是規劃中的方向，尚不能視為已解決的問題。
遞迴自我改進，是讓 AI 參與改進後續 AI 系統的研究。它可能牽涉寫程式、設計實驗與測試新方法，但一次改進並不代表系統能無限自我提升。是否持續有效，仍需要可重現實驗。
獎勵鑽漏洞，是模型找到評分規則的破口，取得高分卻沒有完成原本工作。例如，一個程式代理若只修改檢查規則讓測試變綠，使用者期待的功能可能仍然壞著。這個示意情境說明，評分方法也需要被檢查。
多代理系統則是讓多個 AI 分工。分工能擴大處理量，但共用資料、結果交接與衝突仍會影響成果。開放研究若能把這些失敗案例與測試方式一起發布，會比只展示順利完成的片段更有幫助。
讀者接下來可以看什麼
我會優先追蹤三項交付：可下載或檢查的訓練配方、清楚的評估條件，以及外部團隊的重現結果。配方讓人知道如何訓練，評估條件讓成績有解釋，重現結果則檢查方法是否只在原團隊的環境有效。
對一般企業使用者，這類研究不會立刻替換既有工具。它較可能逐步增加開放模型的選擇，也讓自行部署或調整模型的團隊多一份可參考的證據。實際導入仍要回到自己的任務與資料。
常見問題
Trillium Labs 已經推出新模型了嗎？
本文依據的成立公告沒有提供新模型發布成果。公告主軸是組織成立、研究方向與招募。
非營利代表服務一定免費嗎？
組織性質和個別服務或素材的使用條件不同。未來成果是否免費、可否商用，仍要看各項發布的條款。
公開模型與公開訓練方法有什麼差別？
公開模型讓人使用或修改模型檔案。公開訓練方法讓外部團隊更有機會理解、重做與檢查能力來源。
結語：先看研究能否被其他人重做
Trillium Labs 的成立，為前沿 AI 的開放研究增加一個專門組織。我對公開後訓練方法的方向持正面看法，因為它回應了模型使用與研究重現之間的缺口。
判斷會隨實際交付改變。當研究配方、評估與失敗案例陸續公開，外部團隊才能確認它對開放生態的貢獻；在那之前，這是一則值得追蹤的成立消息。
