Anton Bakhtin

Anton Bakhtin 是一位人工智能研究员，其工作领域包括多智能体强化学习、策略推理和大型语言模型。他曾在多家大型科技公司担任研究和工程职位，包括 Yandex、Google、Meta 和 Anthropic。他是 Meta Superintelligence Labs 的成员。

教育背景

Anton Bakhtin 在俄罗斯接受高等教育，于 2006 年至 2011 年就读于莫斯科国立大学并获得硕士学位。随后，他在 Yandex 数据分析学院继续接受专业训练，该学院以其在计算机科学和机器学习领域的严苛课程而闻名。他在 2012 年至 2014 年间完成了该机构的硕士学位，专注于与其后续软件开发和 AI 研究职业相关的领域。^[1]​^[4]​

职业生涯

Bakhtin 于 2012 年在俄罗斯科技公司 Yandex 开始其职业生涯，担任软件开发人员。他于 2014 年晋升为高级软件开发人员，并一直留在该公司直至 2015 年。在 Yandex 工作之后，他移居美国并加入 Google 担任高级软件工程师，任职时间为 2015 年至 2017 年。

2017 年，Bakhtin 转向以研究为中心的角色，加入 Facebook（现为 Meta），在 Facebook 人工智能研究院 (FAIR) 实验室担任研究工程师。他在 Meta 工作了约六年，直到 2023 年，期间他是多智能体系统重大项目的关键贡献者，其中最著名的是 CICERO 项目。离开 Meta 后，他于 2023 年加入 AI 安全与研究公司 Anthropic，担任技术人员。在 Anthropic，他参与了 Claude 3 系列 AI 模型的开发。

2025 年 7 月，Verge 援引彭博社的消息报道称，Bakhtin 是 Meta 从 Anthropic 挖走的 AI 人才之一，这是为专注于构建“超人工智能”的新部门而进行的一波高调人才收购的一部分。该报告将他与从 Apple 和 OpenAI 等竞争对手聘请的其他著名研究人员并列，背景是各大科技公司正加紧努力争取通用人工智能领域的顶尖专家。^[3]​^[1]​^[2]​^[4]​

Meta Superintelligence Labs 的研究

在 2026 年 9 月 29 日的一篇预印本论文《Thinking Before Thinking: Scaling Agentic Inference Through Meta-Reasoning》中，Bakhtin 与 Meta Superintelligence Labs 的同事共同提出了一种推理时智能体框架，该框架将控制器关于下一步执行何种计算的结构化决策与工作者的任务级工作分离开来。控制器使用紧凑的状态和持久记忆来指导计算。该论文在 IMO ProofBench-Advanced、ARC-AGI-2、LongCoT-mini 和 ProgramBench 上使用 Gemini 3.1 Pro、GPT-5.5 和 Opus 4.8 对该方法进行了评估。在主要测试预算下，元推理智能体的得分高于匹配的直接控制智能体；论文还报告了在小预算下开销降低其性能的情况。^[5]​

2026 年 10 月 6 日的另一篇预印本论文《Agent Plasticity: Measuring Self-Improvement Through Experience》也将 Bakhtin 列为 Meta Superintelligence Labs 的作者之一。该论文提出衡量智能体将经验转化为未来留存性能增益的效率，并研究了在国际象棋、围棋、六贯棋和 NetHack 中使用持久人工制品（包括工具、技能、策略和记忆）的固定权重智能体。论文报告称，自我改进和迁移因模型和任务而异，不同模型和环境下的改进轨迹也各不相同。^[6]​

CICERO

在 Meta AI 任职期间，Bakhtin 是 CICERO 开发的核心人物，CICERO 是第一个在复杂策略游戏《外交》(Diplomacy) 中达到人类水平表现的人工智能智能体。该项目是 AI 领域的一个重要里程碑，因为《外交》需要超越在围棋或《星际争霸》等游戏中掌握的纯对抗性逻辑的能力。该游戏涉及七名玩家，他们必须进行谈判、结盟、协调行动，有时为了获胜还必须相互背叛，这使得自然语言交流和信任建立成为游戏玩法的核心组成部分。

Bakhtin 指出，在其他游戏中取得成功的传统自我博弈强化学习技术对于《外交》来说是不够的，因为在如此复杂的社交环境中，合作和协调不会自然产生。包括合作者 Noam Brown 在内的研究团队通过开发一种混合 AI 架构解决了这一问题。CICERO 将一个在大量人类游戏文本语料库上训练的大型语言模型与一个策略推理引擎相结合。这使得 AI 能够与人类玩家进行自然语言对话以协商计划并建立信任，同时利用其规划算法预测其他玩家的行动并确定自己的最佳策略。

这项研究最终于 2022 年底在《科学》(Science) 杂志上发表了一篇论文。在一个匿名在线联盟中，CICERO 与人类对手对战，得分是人类玩家平均得分的两倍多，在玩过一场以上游戏的参与者中排名前 10%。Bakhtin 将该项目描述为向创建能够作为合作伙伴、能够理解人类意图、推理协作解决方案并进行有效沟通的 AI 迈出的一步。^[2]​^[4]​

Claude 3

在 Anthropic，Bakhtin 是开发 Claude 3 系列 AI 模型团队的一员，该系列模型于 2024 年 3 月发布。这套模型包括 Claude 3 Opus、Sonnet 和 Haiku，旨在树立推理、多语言理解、视觉和其他关键 AI 能力的新行业标杆。在模型发布后，Bakhtin 对自己的经历评价道：“强化学习（RL）从不起作用，直到它起作用为止 :) 能成为这次冒险的一部分真是太棒了。”他在 Anthropic 的工作为大型语言模型的开发做出了贡献，这些模型因其性能和改进的用户交互而受到关注。^[2]​^[4]​