16岁获得大模型团队的工作机会，17岁已经参与计算内核、模型架构和训练优化器研究。陈广宇（Nathan Chen）的成长轨迹，让“自古英雄出少年”在AI时代有了一个具体注脚：年轻人进入前沿研究，靠的可以是公开代码、持续学习，以及把好奇心变成可运行实验的能力。
10月15日，陈广宇在X宣布自己最近已离开月之暗面Kimi。他把过去一年称为迄今人生中最美好的一段经历，特别感谢团队相信并聘用了当时只有16岁的自己。BlockBeats的同期报道将他的年龄记为17岁；本人告别帖里，最鲜明的内容则是与同事一起做过的研究。
他的起点并非一张耀眼的职位名片。2025年7月29日，陈广宇曾用一组连续帖文回顾：几个月前，他发现DeltaNet，花了许多时间试图理解，并把学习文章发到当时还不到20名关注者的X账号上。一次回复让更多人看到了他的思考，Tilde Research的负责人随后通过他的个人网站约他交流。
第一次交谈后，他没有立刻开口要工作，而是继续阅读论文和代码，向Gemini提问，复现实验，再设计自己的实验。学会编写Triton计算内核并把它用于训练之后，他申请了Tilde的岗位，成为实习生。他在原帖中写道，真正打开机会之门的，可能不仅是已有技能，而是那次交流之后展示出的成长。
公开项目也留下了这条路径的痕迹。他的GitHub仓库中，可以看到网页开发、图像处理、C++练习和编程竞赛相关项目，后来逐渐出现Triton学习、注意力计算内核与优化器实现。个人博客则记录了矩阵乘法、GPU数据访问和Flash Attention等技术实践。它们呈现的是一个不断写代码、做实验、再把理解讲清楚的学习过程。
进入Kimi后，这些积累连接到了更大规模的模型研发。陈广宇在告别帖中回顾，与同事一起优化Kimi Delta Attention的GPU计算内核，共同构思和改进Attention Residuals，研究训练优化器，并参与Kimi K3发布展示案例的制作。他尤其提到，优化器工作让自己对训练动态学到了最多东西，也为此熬过最多的夜。
Attention Residuals的官方项目列有陈广宇的署名。这项团队研究尝试让模型通过可学习的注意力权重，有选择地汇聚早期层的信息；分组方案进一步降低内存开销，为大规模训练提供实现路径。从读懂论文到参与模型底层研究，他的成长发生在与同伴协作、反复实验的具体工作中。
陈广宇还在个人博客写过，社交网络为他带来了第一份工作和研究伙伴，但不应为了传播量牺牲原创研究的专注。他给自己的提醒是：多交流真正好奇的问题，而不是只追逐曝光。对于一个被外界称为“天才少年”的年轻人，这份对学习和研究本身的重视，也许比年龄标签更值得关注。
告别Kimi时，他留下的话是：“还有更多事情想探索。”少年已经走进大模型研发的一线，而这段成长故事仍在继续。
原始发布时间：2026年10月15日 08:04（离职公告，北京时间）