今日凌晨，谷歌正式发布新一代模型Gemini 4 Carbon。
该模型在最近更新的v5.0版Artificial Analysis Intelligence Index上排名第一，超越了Claude opus 5.5、GPT-6 Astra（max）和GPT-6.1 Sol（max）等一众前沿模型。
就在官方发布消息后，Gemini预训练组研究科学家林芳如（Fangru Lin）转发了谷歌的官宣推文，并写道：能够加入这样一支出色的团队，自己感到无比幸运。
而这位参与谷歌大模型研发的科学家，本科读的却是韩语专业。
根据林芳如的个人主页，她于2017年至2021年就读于上海外国语大学，获得韩语专业文学学士学位。
在本科期间，她还参加了多语种翻译与口译荣誉项目，GPA达到3.83/4.0，并获得过本科生一等奖学金等荣誉。
随后，林芳如进入牛津大学，攻读语言学（Linguistics）、语文学（Philology）与语音学（Phonetics）方向的硕士学位，并于2023年继续攻读博士学位。
在牛津期间，她逐渐将研究重心放在大语言模型的推理与规划能力上，关注模型如何理解逻辑关系、执行复杂步骤，以及将已有的推理能力迁移到不同的问题表达形式中。
2024年，她以第一作者身份参与的论文《Graph-enhanced Large Language Models in Asynchronous Plan Reasoning》被ICML 2024接收。
这项研究关注大语言模型的复杂规划与推理能力，探索将文本输入重构为图结构，能否帮助模型更好地处理异步规划任务。
2025年，她以第一作者身份参与的论文《One Language, Many Gaps: Evaluating Dialect Fairness and Robustness of Large Language Models in Reasoning Tasks》被ACL 2025主会接收。
研究考察了大语言模型面对标准英语与非裔美国人英语（AAVE）等不同语言变体时，在推理任务中的公平性与鲁棒性差异。
到了2026年，她的另一篇第一作者论文《Can Large Language Models Generalize Procedures Across Representations?》被ICML 2026接收。
这项研究关注大语言模型能否把在符号表示（代码、图）上学到的能力，迁移到用自然语言描述的任务上？ 以及怎样训练才能让这种跨表示泛化更有效。
在进入谷歌之前，林芳如已经积累了多段AI研发的相关经历。
2022年，她曾在微软Azure Cloud+AI团队担任软件工程实习生；2024年，她加入微软研究院，参与大语言模型相关研究。
随后，她于2025年进入Google DeepMind的Gemini Deep Research团队实习。
这段经历让她进一步接触到前沿大模型研究，她的个人主页也将大模型推理与规划列为核心研究兴趣。
10月28日，她在社交平台宣布，自己已加入Google DeepMind，担任研究科学家，研究方向为Gemini大规模预训练。
林芳如的经历展现了一条颇具跨学科色彩的成长路径。
类似的背景，在国内大模型领域也能找到呼应。
前千问大模型负责人林俊旸，同样拥有语言学相关的学术背景。
随着大模型从语言生成走向复杂推理、任务规划与自主执行，对语言、语义和认知机制的理解，正在与计算方法、模型训练和工程实践产生更多交集。
这些不同的成长路径也说明，AI时代的人才竞争未必只有一条标准路线。
对于有志于进入人工智能领域的年轻人而言，专业背景可以是起点，但持续学习、跨学科能力与扎实的研究实践，才是走得更远的关键。
END
关注+星标，获取AI前沿进展与开源一线动态