
11月20日,前Meta超级智能实验室(Meta Superintelligence Labs)数据研究负责人王子健在X发文宣布,已正式加入OpenAI,将与翁荔(Lilian Weng)合作开展RSI相关研究。

王子健先后在上海交通大学读电气与计算机工程、在密歇根大学读计算机科学,后来到斯坦福大学攻读符号系统理学硕士,期间在Stanford NLP Group担任研究助理。

离开学校后,他先后在AWS AI Labs和Meta Superintelligence Labs任职。
在AWS AI Labs期间,王子健是code LLM团队的创始科学家,后担任团队负责人,主要负责代码大模型的预训练、后训练、数据建设与基准评测,并参与构建Amazon CodeWhisperer(现已发展为Kiro)。

Amazon CodeWhisperer是亚马逊云科技推出的AI编程助手,现已整合进Amazon Q Developer。它能够根据开发者的自然语言指令生成代码、理解项目结构、修复Bug,并通过Agent能力执行多步骤软件开发任务。
离开AWS AI Labs后,王子健加入了Meta Superintelligence Labs,担任研究科学家经理(Research Scientist Manager),带领数据研究团队。
在Meta期间,他负责Muse系列多个模型版本的预训练、中期训练和后训练数据研究,涉及合成数据、数据飞轮等方向。该实验室首款模型Muse Spark的数据研究工作即由他负责。

除了模型训练,他也持续关注Agent能力。比如2026年他参与的两项研究:
一项是发表于ICLR 2026的Cyber-Zero探索在不依赖运行时环境的情况下训练网络安全Agent。该项目还获得了CSAW 2025 Agentic Automated CTF挑战赛第一名。
另一项是发表于ACL 2026的《Empowering Multi-Turn Tool-Integrated Reasoning with Group Turn Policy Optimization》,研究多轮工具调用场景下的推理能力优化,提出Group Turn Policy Optimization(GTPO)方法。

这两项工作分别指向Agent在专业任务中的能力训练,以及多轮交互、工具调用过程中的推理优化,也反映出他的研究兴趣已经不再局限于代码生成本身。
此次加入OpenAI,王子健的研究重心进一步转向RSI。
RSI的核心思路是让AI系统参与自身的研发过程,通过辅助研究、改进算法、优化训练流程等方式,推动下一代AI系统的研发效率与能力提升。这也是当前AI研究领域备受关注的方向之一。
过去AI主要作为研究人员使用的工具;而在RSI的设想中,AI将逐渐成为AI研发过程中的参与者,甚至帮助推动自身能力的迭代。
这次转向,也让这位长期深耕代码智能与模型训练的研究者,进入了AI自进化这一更具前沿性的研究领域。







