概述

苏剑林是一位在人工智能领域，特别是自然语言处理（NLP）方向有显著贡献的研究者和博主。他以其深厚的数学功底、对Transformer架构的深刻理解以及提出的旋转位置编码（RoPE）和RoFormer模型而闻名。

苏剑林通过其长期运营的博客"科学空间"分享大量高质量的技术文章，对AI技术的普及和发展产生了重要影响。他的研究成果已被广泛应用于各类大型语言模型中，如LLaMA、EleutherAI的GPT模型以及Google的FLASH模型等。 [12] [13]

早年生活与教育背景

童年与成长环境

苏剑林于1993年出生于中国广东省云浮市的一个小村庄 [4] [6]。 从小就对科学抱有浓厚的兴趣，尤其在数学方面展现出过人的天赋。进入初中后，他对化学也产生了浓厚的兴趣，并将其视为自己的强项之一。

根据他在"科学空间"博客中的自述，他在2006年9月开始接触电脑，并于2007年1月开始接触网络，这标志着他与计算机科学的初步结缘 [138]。

关键时间节点

首次接触电脑2006年9月

首次上网2007年1月

接触BBS2007年4月

重拾科学兴趣2008年9月

本科与硕士求学经历

华南师范大学数学科学学院

数学专业本科

苏剑林进入华南师范大学数学科学学院攻读数学专业本科 [15]。 在大学期间，他继续保持着对数学的热爱，并打下了坚实的数学基础。

中山大学数学学院

基础数学专业研究生

本科毕业后，他考入中山大学数学学院，攻读基础数学专业的研究生，研究方向为生物应用数学 [4]。 尽管专业方向是基础数学，但他对计算机科学和人工智能领域抱有极大的热情。

机器学习转向

2018年 - 研究生二年级

在研究生二年级时，尽管专业是基础数学，但他将大量时间投入到机器学习，特别是自然语言处理（NLP）相关领域的学习和研究中 [53]。

职业生涯发展

追一科技时期

机器学习算法工程师

2019年7月 - 2019年末

2019年7月，苏剑林从中山大学数学学院硕士毕业后，正式加入追一科技（Zhuiyi Technology），在公司的机器学习算法部门工作 [4] [24]。 追一科技是一家专注于自然语言处理（NLP）和人工智能技术研发的公司。

在追一科技工作期间，苏剑林主要从事与机器学习算法相关的研究和开发工作，特别是在自然语言处理领域积累了丰富的实践经验。他在公司内部被视为技术骨干，并在此期间积累了一些专利 [3]。

月之暗面（Moonshot AI）

研究员

2020年 - 至今

在离开追一科技后，苏剑林加入了月之暗面（Moonshot AI），这是一家专注于大模型研发的人工智能初创公司 [122]。 他在月之暗面担任研究员，继续其在人工智能领域，特别是大语言模型方面的研究工作。

苏剑林在知乎等平台上持续活跃，以其深厚的数学和物理功底，从独特的视角解构技术课题，分享他在大模型领域的研究心得。在2025年知乎第十一届新知青年大会上，苏剑林因其在AI领域的专业贡献和社区影响力，被评为年度新知答主 [118] [119]。

学术成就与贡献

主要学术成就概览

成就/贡献	描述	关键特性/影响
旋转位置编码 (RoPE)	一种创新的位置编码方法，通过绝对位置编码实现相对位置编码的效果。	理论优雅，实践性能优越，尤其在长文本外推性方面表现良好；是唯一可用于线性Attention的相对位置编码方案。 [39]
RoFormer 模型	基于RoPE的预训练Transformer模型。	在处理长文本任务时展现出良好的外推性能，验证了RoPE的有效性。后续推出RoFormerV2探索自然语言理解的极限。 [66]
"科学空间"博客	自2008年起运营的个人博客，分享数学、物理、计算机科学、AI等领域的研究和见解。	高质量技术文章，如"Transformer升级之路"、"生成扩散模型漫谈"等系列，影响广泛，成为重要学习和参考资料。
Cool Papers 论文检索网站	利用大型语言模型（如Kimi）的智能问答功能，帮助科研人员高效筛选和阅读学术论文。	提升科研效率，促进学术交流。 [44]

自然语言处理（NLP）领域的研究

SimBERT / SimBERTv2

为中文文本相似度任务建立的基准模型。虽然是"弱监督"模型，但积极探索使用开源标注数据辅助训练，并分享了相关探索过程和"扫雷指南"。 [65]

中文文本相似度基准模型

无监督词库构建

发表关于"无监督构建词库：更快更好的新词发现算法"的研究，解决了新词发现这一NLP基础任务中的难题。 [84]

新词发现算法

旋转位置编码（RoPE）的提出

苏剑林构思并提出了"旋转式位置编码（Rotary Position Embedding, RoPE）" [39] [63]。 RoPE是一种创新的位置编码方法，其核心思想是通过绝对位置编码的方式来实现相对位置编码的效果。

技术特点

• 理论上的优雅性与实践中的优越性能
• 在处理长文本方面具有良好的外推性
• 目前唯一一种可以应用于线性Attention的相对位置编码方案

RoPE的关键在于将上下文标记（token）的表示与一个仅与位置相关的旋转矩阵相乘，从而在Attention机制的内积运算中自然地融入相对位置信息。这种设计使得RoPE成为Transformer模型位置编码的重要技术进展。

应用案例

LLaMA系列模型

EleutherAI GPT模型

Google FLASH模型

RoFormer模型及其他贡献

RoFormer模型

在提出旋转位置编码（RoPE）的基础上，苏剑林及其团队进一步开发了名为RoFormer（Rotary Transformer）的预训练模型 [39]。 RoFormer模型的核心改进就是应用了RoPE作为其位置编码方式。

 RoFormer模型在处理长文本任务时展现出良好的外推性能，这得益于RoPE能够有效地捕捉序列中的相对位置信息。

其他贡献

• Cool Papers论文检索网站
  利用Kimi等大型语言模型的智能问答功能，帮助科研人员高效筛选和阅读学术论文 [1]

• 参与编写技术书籍
  例如《Python数据分析与挖掘实战》，为初学者提供宝贵的学习资源 [103]

社会影响力

"科学空间"博客的运营与影响

科学空间（Scientific Spaces）

2008年9月 - 至今

苏剑林是知名博客"科学空间"（Scientific Spaces）的创始人和主要运营者 [4]。 该博客的网址为 https://kexue.fm 或 https://spaces.ac.cn。

他从2008年9月开始建立这个博客，旨在记录和分享自己在科学探索过程中的思考和发现。博客内容广泛，涵盖数学、物理、天文、计算机科学、人工智能等多个领域。