# Sam McCandlish > Sam McCandlish 是 AI 研究领域的领军人物，他共同创立了 Anthropic 以推动 AI 安全创新。作为前 OpenAI 研究员，他因在机器学习缩放法则（scaling laws）方面的贡献而闻名。 - Canonical URL: https://iq.wiki/zh/wiki/sam-mccandlish - Categories: People in crypto - Tags: Founder, Researcher - Created: 2026-07-03T03:58:00.015Z - Last updated: 2026-07-06T23:13:03.704Z - Source: IQ.wiki — the world's largest blockchain and crypto encyclopedia (https://iq.wiki) --- **Sam McCandlish** 是 Anthropic 的联合创始人，该公司处于开发安全且先进的人工智能系统的最前沿。在加入 Anthropic 之前，McCandlish 曾在 OpenAI 工作，为神经网络性能和安全机制的研究做出了贡献。 [\[1\]](#cite-id-ExDmLJjaG5WF9Zdu) [\[6\]](#cite-id-BjYCfDi2bf1TTBEH) ## 早年生活与教育 Sam McCandlish 最初在布兰迪斯大学（Brandeis University）获得了数学和物理学学士及硕士学位，随后在斯坦福大学获得了理论物理学博士学位。他的博士研究深入探讨了量子引力和张量网络的复杂性，这为他提供了系统的建模基础，后来他将其应用于机器学习和人工智能领域。 [\[1\]](#cite-id-ExDmLJjaG5WF9Zdu) ## 职业生涯 #### OpenAI Sam McCandlish 在 2017 年至 2018 年期间担任波士顿大学的博士后研究员，隶属于 Simons Bootstrap Collaboration。 McCandlish 于 2017 年加入 OpenAI，并在 2018 年 5 月至 2020 年 12 月期间担任技术人员。在此期间，他参与了 AI 安全奖学金项目，建立了 AI 科学团队，并领导了 Codex 的早期开发。他的研究探讨了神经网络的性能和缩放行为，重点关注语言模型和大规模训练方法。 他的研究包括对神经语言模型缩放法则和大批量训练的研究。他合著了关于梯度噪声标度（gradient noise scale）框架的论文，该框架已应用于机器学习研究，包括图像分类和游戏环境。这一时期的出版物包括《Language Models Are Few-Shot Learners》、《Scaling Laws for Language Models》、《Scaling Laws for Neural Language Models》、《Scaling Laws for Transformers》、《An Empirical Model of Large-Batch Training》，以及 OpenAI 的“Science of AI”和“AI and Efficiency”项目。 #### Anthropic 2021 年 1 月，McCandlish 与包括 Dario 和 [Daniela Amodei](https://iq.wiki/wiki/daniela-amodei) 在内的前 OpenAI 同事共同创立了 Anthropic。该公司致力于人工智能研究，重点关注 AI 安全性和可解释性。 在 Anthropic，McCandlish 曾担任首席科学家、首席技术官，并自 2025 年起担任首席架构师。他的工作包括预训练和管理大规模模型训练。他还参与了 Claude 系列语言模型的开发以及 Anthropic 的宪法 AI（Constitutional AI）方法论，该方法使用 AI 生成的反馈作为模型对齐过程的一部分，而不是仅仅依赖于人类偏好数据。 他在 Anthropic 的研究重点是缩放法则、AI 安全和机械可解释性。此外，还包括与宪法 AI 和模型对齐方法相关的工作。 McCandlish 和其他 Anthropic 联合创始人承诺将个人财富的 80% 捐赠给与 AI 风险和不平等相关的倡议。 Anthropic 的研究和安全实践一直是公众讨论的话题。一些评论人士质疑该公司的安全框架是否充分解决了日益强大的 AI 系统带来的社会影响，而另一些人则讨论了其内部治理和安全流程的透明度及有效性。 [\[1\]](#cite-id-ExDmLJjaG5WF9Zdu) [\[2\]](#cite-id-CbEzDNQ7vtSUHekN) [\[3\]](#cite-id-K3OF5Wy67doIuxZz) [\[4\]](#cite-id-AulZ1muZItZ4enwj) [\[5\]](#cite-id-cvzVdSFAFyScKK75) [\[6\]](#cite-id-BjYCfDi2bf1TTBEH) [\[7\]](#cite-id-1SAzxmGUEPOqOv5Q) [\[8\]](#cite-id-qpBBRDDiR3djeZFO) [\[9\]](#cite-id-6wbNB0JUv0yTCVZw) [\[10\]](#cite-id-1gCJgLuxjKYkRG0S) [\[11\]](#cite-id-qTT4w6I4rgRbT7ME)