Mit 17 werden viele noch gefragt, was sie später einmal machen möchten. Nathan Chen (Guangyu Chen) hat bereits an der grundlegenden Architektur großer Sprachmodelle geforscht. Die am 16. März 2026 eingereichte Arbeit „Attention Residuals“ führt ihn gemeinsam mit Yu Zhang und Jianlin Su als einen von drei gleichberechtigten Erstautoren auf.[2]
Am 15. Oktober gab er auf X bekannt, Kimi vor Kurzem verlassen zu haben. Er blickte auf seine Arbeit an Rechenkernels, Attention Residuals und Optimierern zurück und dankte besonders Yulun Du dafür, ihm mit 16 Jahren Vertrauen geschenkt und ihn eingestellt zu haben. Sein Abschiedsbeitrag nannte keinen nächsten Arbeitgeber.[1]
Natürlich lässt sich das als Geschichte eines „Wunderkinds“ erzählen. Verfolgt man jedoch seine Lern- und Arbeitsschritte, stellt sich eine interessantere Frage: Wie kann ein junger Mensch in so kurzer Zeit vom Empfänger von Wissen zum Mitwirkenden an offenen Forschungsfragen werden? Und wie verstärkt KI diesen Wandel?
Eine Konzeptillustration zur Verbindung von Lernen und Zusammenarbeit, kein Foto von Nathan Chen.
Werdegang und öffentliche Aufzeichnungen
| Merkmal | Öffentlich dokumentierte Angaben |
|---|---|
| Name | 陈广宇, Nathan Chen; in der Forschungsarbeit als Guangyu Chen aufgeführt.[2] |
| Alter und Herkunft | 2009 geboren, in Shenzhen aufgewachsen; zum Zeitpunkt der Berichterstattung 2026 war er 17 Jahre alt.[6] |
| Schule | BASIS International School Park Lane Harbour; bei Veröffentlichung der Arbeit im März 2026 Schüler der 12. Klasse.[13] |
| Frühere Grundlagen | Algorithmisches Programmieren, ein persönlicher Technikblog, Open-Source-Projekte und kleine Experimente mit maschinellem Lernen.[9][12][15] |
| Forschungserfahrung | Praktikum bei Tilde Research, danach Mitarbeit im Kimi-Team von Moonshot AI.[5][6] |
| Beispiele öffentlicher Arbeiten | Einer der Autoren des MoMoE-Projekts; einer der Autoren mit gleichwertigem Beitrag zu Attention Residuals, an der Entwicklung von Block AttnRes beteiligt.[2][4][7] |
| Jüngste öffentliche Mitteilung | Am 15. Oktober 2026 gab er bekannt, Kimi vor Kurzem verlassen zu haben; der Abschiedsbeitrag nannte keinen nächsten Arbeitgeber.[1] |
Seinen Werdegang als Aufstieg „von null in wenigen Monaten“ zu beschreiben, würde wesentliche Vorarbeiten ausblenden. Seine persönliche Website enthält einen auf 2024 datierten Artikel über ein Entscheidungsbaumprojekt: Er überführte Alltagsbeobachtungen in Daten, versuchte ein Vorhersagemodell zu trainieren und wies selbst darauf hin, dass Variablenauswahl und Schlussfolgerungen nicht hinreichend streng waren. Das kleine Experiment zeigt eine Gewohnheit: von Beobachtungen zu Fragen, Daten und Überprüfung zu gelangen.[12]
Sein GitHub-Profil verlinkt auch sein Codeforces-Konto und stellt das Gestenerkennungsprojekt gestureX vor. Algorithmische Übungen, eigene Projekte und spätere Forschung an großen Sprachmodellen sind unterschiedliche Tätigkeiten. Doch diese öffentlichen Spuren zeigen, dass ein schneller Einstieg in ein neues Gebiet häufig auf bereits vorhandenem praktischem Können aufbaut.[15]
Noch frühere öffentliche Aufzeichnungen reichen bis 2023 zurück. Seine Projektseite beschreibt OpenTeens als Open-Source-Gemeinschaft für Jugendliche und nennt ihn als Mitinitiator. Auch das Veranstaltungsprogramm eines Open-Source-Events aus demselben Jahr stellt Chen in dieser Rolle vor. Auf seiner Projektseite finden sich außerdem Versuche zur Gestenerkennung und zur Erkennung von Müll an Stränden. Sie dokumentieren eine fortgesetzte Arbeit an Projekten und die Beteiligung an einer Gemeinschaft. Sein Weg lässt sich daher nicht einfach damit zusammenfassen, dass er 2025 erstmals mit KI in Berührung gekommen sei.[17][18]
Ein weiterer Schritt war ein Hackathon für Schüler im Februar 2025. Dort nahm er mit einer Idee rund um ThirdArm teil und lernte Kehan Dong kennen. Anschließend kam er mit Forschern und Fragen an der Spitze des Fachgebiets in Kontakt. Im Sommer desselben Jahres absolvierte er ein Praktikum bei Tilde Research, im November kam er zu Kimi. Im März 2026 war die AttnRes-Arbeit bereits öffentlich.[2][5][6][23]
Die Zeitleiste beruht auf persönlichen Artikeln, Forschungsarbeiten, institutionellen Aufzeichnungen und seinem eigenen Abschiedsbeitrag. Die ersten Erfahrungen mit maschinellem Lernen und die spätere intensive Beschäftigung mit Transformern sind unterschiedliche Phasen.[1][2][5][11][12][14][18][23]
Die Ankündigung des Seminars der Yao-Klasse an der Tsinghua-Universität für den 11. April 2026 führt ihn und Yu Zhang als Vortragende auf. Sie stellt beide als Forscher des Scaling-Teams von Moonshot AI und Hauptautoren von AttnRes vor. Diese konkrete Dokumentation eines Forschungsaustauschs macht deutlich, dass seine Arbeit bereits Inhalte lieferte, über die Fachkollegen diskutieren konnten.[14]
Von Fragen an die KI zur Sichtbarkeit unter Fachkollegen
Chen stammt aus Shenzhen und verwendet den englischen Namen Nathan Chen. Als die Arbeit im März 2026 erschien, besuchte er noch die Highschool. Im Sommer 2025 absolvierte er ein Praktikum bei Tilde Research, im November desselben Jahres kam er zu Kimi. Damit hatte er bereits mehrere Stationen erreicht, die sich sonst oft erst im Studium oder während einer weiterführenden wissenschaftlichen Ausbildung eröffnen.[6][23]
In einem persönlichen Bericht erinnert er sich daran, nach einem Hackathon für Schüler im Jahr 2025 Kehan Dong kennengelernt zu haben und durch eine Empfehlung mit dem DeepSeek-Forscher Jingyang Yuan in Kontakt gekommen zu sein. Zum Einstieg las er Forschungsarbeiten, ließ sich unverständliche Stellen anhand von Screenshots von Gemini erklären und fragte wiederholt nach. Parallel las er Code auf GitHub und Blogs von Forschern. Bei wichtigen Einschätzungen wandte er sich weiterhin an menschliche Mentoren.[5]
Der Wert dieser Methode liegt darin, dass Unklarheiten schneller beantwortet werden. Wer eine Formel, einen Begriff oder ein Stück Code verstehen möchte, muss nicht bis zur nächsten Unterrichtsstunde auf eine Erklärung warten. Lernende können sich aus verschiedenen Richtungen mit der konkreten Frage beschäftigen, bis sie selbst weiterrechnen, etwas umsetzen und überprüfen können.
Auch Erklärungen von KI können falsch sein. Das eigene Verständnis muss sich letztlich an Forschungsarbeiten, Code und Experimenten bewähren. Chens später veröffentlichte Tutorials zu Triton und FlashAttention behandeln bereits konkrete Fragen des GPU-Speicherzugriffs und der Kernel-Implementierung. Leser können seinen Code nachvollziehen und sein Verständnis prüfen, statt sich allein auf seine Schilderung seines Lerntempos zu verlassen.[8]
Seine öffentlichen Aufzeichnungen enthalten auch Umwege. In einem Bericht über eine Optimierer-Aufgabe vom Mai 2025 beschrieb er, wie er mithilfe von KI Begriffe verstand, Quellen suchte, Herleitungen erarbeitete und Experimente durchführte. Erst nach dem Training stellte er fest, dass er die Aufgabenstellung missverstanden hatte. Dennoch schrieb er den Ablauf und die Probleme auf. Dieses Detail zeigt, dass schnelleres Lernen und Fehler gleichzeitig auftreten können. Fehler zu erkennen und zu erklären, ist selbst ein Teil des Könnens.[21]
Sein Lernen schuf zugleich Möglichkeiten, von Fachkollegen entdeckt zu werden. Nach seinem eigenen Bericht wurde der Leiter eines KI-Start-ups im Silicon Valley durch seine öffentlich geteilten technischen Überlegungen auf ihn aufmerksam. Daraus entstanden Gespräche und eine Praktikumsmöglichkeit. Das Open-Source-Projekt MoMoE von Tilde führte Nathan Chen später als Autor auf und dokumentierte damit ein konkretes Ergebnis gemeinsamer Arbeit.[5][7]
MoMoE befasst sich mit der Implementierung von Mixture-of-Experts-Modellen, insbesondere mit Speichereffizienz und Rechenleistung bei Training und Feinabstimmung. Das unterscheidet sich von der schichtübergreifenden Informationskombination, die AttnRes später untersuchte, zeigt jedoch eine ähnliche Arbeitsweise: Algorithmen verstehen und dafür sorgen, dass sie auf der Hardware effizient laufen. Die Autorenliste bestätigt seine Beteiligung am Projekt. Sie allein erlaubt keine weitere Zuordnung, wer welchen Code geschrieben hat.[7]
Gerade für junge Menschen ist daran etwas übertragbar. Wer ein Problem gründlich durchdenkt, etwas Funktionsfähiges baut und den Weg dorthin aufschreibt, gibt auch Unbekannten die Möglichkeit, seine Arbeit unmittelbar zu beurteilen. Eine persönliche Website, technische Blogbeiträge und Beiträge zu Open Source können so Belege jenseits des Lebenslaufs liefern.
Was der gleichberechtigte Erstautor tatsächlich beigetragen hat
Attention Residuals, an dem Chen mitarbeitete, untersucht, wie Informationen zwischen den verschiedenen Schichten großer Modelle weitergegeben und zusammengeführt werden.
Übliche Residualverbindungen addieren fortlaufend die Ausgaben der vorhergehenden Schichten. AttnRes führt einen Aufmerksamkeitsmechanismus entlang der Modelltiefe ein, mit dem spätere Schichten frühere Repräsentationen gezielt gewichtet zusammenführen können. Es geht um die Kombination von Informationen zwischen Schichten; das Verfahren lässt sich nicht einfach damit erklären, dass sich ein Chatbot „an einen früheren Satz erinnert“.[2][3]
Beim Einsatz in groß angelegten Trainingsläufen entstehen zudem Kosten für GPU-Speicher und Kommunikation. Jianlin Su erläutert in seinem Rückblick auf die Forschung, dass die ursprüngliche Idee und die ersten kleinen Experimente von ihm ausgingen. Chen und Yu Zhang wirkten anschließend an der Überprüfung in größerem Maßstab mit und schlugen gemeinsam das Design Block AttnRes vor. Es fasst Schichten zu Blöcken zusammen, um den Implementierungsaufwand zu senken.[4]
Redaktionelle Darstellung des Prinzips: Standard-Residualverbindungen addieren fortlaufend, Full AttnRes wählt Repräsentationen früherer Schichten aus, Block AttnRes trifft die Auswahl zwischen Blöcken. Die Abbildung zeigt nicht die vollständige Netzwerkarchitektur.[2][3]
Sein Beitrag umfasste demnach das Verständnis der Grundlagen, die Entwicklung eines Lösungsansatzes und den Umgang mit technischen Grenzen. Eine tragfähige Idee muss weitere Experimente und die praktische Umsetzung durchlaufen, bevor sie in ein reales System einfließen kann. Junge Forscher können dabei zentrale Aufgaben übernehmen und sich die Anerkennung für die Ergebnisse mit erfahrenen Forschern teilen.
Nach den offiziellen Projektunterlagen erreichte Block AttnRes in den dort beschriebenen Skalierungsexperimenten das Validierungsverlustniveau einer Baseline, die dafür das 1,25-Fache an Trainingsrechenaufwand benötigte. Umgerechnet waren zum Erreichen dieses Verlustniveaus rund 20 Prozent weniger Rechenoperationen nötig. Diese Zahl gilt für den konkreten Versuchsrahmen und bedeutet nicht, dass sämtliche Modelle oder Kimis Gesamtkosten um 20 Prozent günstiger werden.[3]
Block AttnRes, an dessen Entwicklung er beteiligt war, wurde später auch in Kimi K3 eingesetzt; der technische Bericht beschreibt dieses Design ausdrücklich. Damit konnte sich die Wirkung seines Beitrags weiter vergrößern: Eine grundlegende Verbesserung wird mit dem Modellsystem immer wieder genutzt. Die Arbeit eines Einzelnen an einem begrenzten Teilproblem kann durch Team und Software weit über die eigene Arbeitszeit hinauswirken. Die Gesamtleistung von K3 beruht allerdings auf dem Zusammenspiel mehrerer technischer Ansätze und Trainingsarbeiten und lässt sich keinem einzelnen Design oder Menschen vollständig zuschreiben.[11]
Seine Arbeit umfasst auch Rechenkernels und Optimierer
In seinem Abschiedsbeitrag führte Chen die Optimierung von KDA-Rechenkernels als eine seiner frühen Aufgaben auf und erwähnte, zusammen mit Yu Zhang viele Entwürfe ausprobiert zu haben. Rechenkernels setzen Algorithmen auf der GPU um. Ihre Effizienz hängt häufig davon ab, wie Daten abgerufen und wiederverwendet werden. Seine Arbeit berührte damit sowohl den Modellentwurf als auch die Systemimplementierung.[1]
Der offene Code liefert genauere Aufzeichnungen. Im September 2025 übernahm das FLA-Projekt seine eingereichte Implementierung des DeltaFormer-Modells. Im Dezember desselben Jahres wurde außerdem eine Änderung zur Fusionierung von KDA-Kernels für die Rückwärtsberechnung übernommen, an der er beteiligt war. Diese Aufzeichnungen enthalten den Code, die Begutachtung und den Verlauf der Zusammenführung. Außenstehende können damit prüfen, an welchen konkreten technischen Arbeiten er mitwirkte.[19][20]
Er erwähnte außerdem, durch die Erforschung von Optimierern am meisten über Trainingsdynamik gelernt zu haben. Optimierer bestimmen, wie Parameter während des Trainings aktualisiert werden; das ist eine andere Frage als die der Residualverbindungen. Das Verzeichnis seines persönlichen Blogs enthält auch Optimiereranalysen sowie Implementierungstutorials zu Matrixmultiplikation, FlashAttention und Triton. Diese Materialien zeigen die Bandbreite seines fortgesetzten Lernens. Sie sind damit nicht automatisch allesamt originäre Forschungsbeiträge, die bereits in produktiv eingesetzten Modellen verwendet werden.[1][8][16]
Diese konkreten Arbeiten zeigen, dass ihn mehr als ein einzelner Einfall auf die Autorenliste brachte. Forschungsarbeiten lesen, Implementierungen verstehen, Entwürfe ausprobieren, Experimente durchführen und mit Grenzen umgehen: Gemeinsam bilden diese Tätigkeiten die Grundlage der Ergebnisse. KI kann einige dieser Schritte unterstützen. Für die Autorenschaft einer Forschungsarbeit und ihre technischen Ergebnisse bleibt jedoch die Verantwortung für die konkrete Arbeit entscheidend.
Wie KI junge Menschen näher an reale Probleme bringt
An Chens Werdegang werden mehrere miteinander verbundene Veränderungen sichtbar.
Erstens wird die Rückmeldung beim Lernen dichter. KI kann jederzeit unbekannte Begriffe erklären und dabei helfen, komplexe Probleme in kleinere Teile zu zerlegen. Lernende erkennen dadurch schneller, welches Wissen ihnen für den nächsten Schritt fehlt. Wer Eigeninitiative mitbringt, erhält mehr Gelegenheiten zum Üben. Ob daraus Können entsteht, hängt davon ab, ob er weiter überprüft, selbst herleitet und praktisch arbeitet.
Zweitens lassen sich Ergebnisse leichter prüfen und entdecken. Offener Code, öffentliche Forschungsarbeiten und technische Diskussionen richten einen Teil der Bewertung auf die konkrete Arbeit. Eine verständliche Analyse oder eine gut begründete Änderung kann von Menschen, die sich für das betreffende Problem interessieren, bereits vor Studienabschluss und Stellenbezeichnung wahrgenommen werden.
Drittens kann Zusammenarbeit persönliche Beiträge in größere Systeme einbringen. Forschung an der Spitze braucht weiterhin Rechenleistung, die Erfahrung eines Teams und sorgfältige Überprüfung. Wenn junge Menschen die Gelegenheit erhalten, daran mitzuwirken, können sie ihr schnelles Lernen in wiederverwendbare technische Ergebnisse übersetzen.
Erst diese drei Dinge zusammen ergeben die Verstärkung, um die es hier geht: KI unterstützt das Lernen, öffentliche Arbeiten verbinden Menschen mit Fachkollegen, und Teams bringen geprüfte Beiträge in reale Modelle ein. Technik, persönliches Handeln und organisatorische Chancen wirken dabei gemeinsam.
Schematische Darstellung des Weges eines persönlichen Beitrags in ein größeres System. Sie bedeutet nicht, dass ein einheitlicher Faktor für Effizienz oder Wirkung gemessen wurde.
Deshalb werden bei der Beurteilung von Talenten die Grenzen von Alter und Berufsjahren als Stellvertretern für Können immer deutlicher. Wie lange jemand bereits arbeitet, liefert einen Teil des Hintergrunds. Was er tatsächlich verstanden und gelöst hat und ob er seine Ergebnisse erklären und reproduzieren kann, ist eine unmittelbarere Grundlage.
Erfahrung muss ihren Wert in der Zusammenarbeit zeigen
Sich gegen eine Rangordnung nach Dienstalter zu wenden, bedeutet auch, Erfahrung ernst zu nehmen. Zu Chens Entwicklung gehörten die Anleitung durch Forscher, das gesammelte Wissen der Open-Source-Gemeinschaft und ein Team, das ihm reale Probleme anvertraute. AttnRes selbst entstand in der Zusammenarbeit von Forschern mit unterschiedlichen Erfahrungshintergründen.[4][5]
Erfahrene Fachleute können durch ihr Urteil über gescheiterte Ansätze, Versuchsplanung und Systemgrenzen jungen Menschen Umwege ersparen. Der Einsatz, die Fragen und die Erkundungen jüngerer Kollegen können dem Team neue Lösungen eröffnen. Wenn diese Fähigkeiten an einem gemeinsamen Problem zusammenkommen, zeigt sich der Wert von Erfahrung im Ergebnis der Arbeit.
Ebenso sollten wir die Voraussetzungen dieses Weges wahrnehmen. Das Lernumfeld einer internationalen Schule, ein Netzwerk von Mentoren, Praktikumsmöglichkeiten im Ausland und die Ressourcen von Forschungsteams gehören alle zu Chens Geschichte. KI erleichtert den Zugang zu Erklärungen, verschafft aber nicht automatisch allen Menschen gleich viel Zeit, Unterstützung und Möglichkeiten zum Experimentieren.[6]
Für Schulen und Unternehmen ist es deshalb konstruktiver, mehr Gelegenheiten zu schaffen, bei denen Können sichtbar werden kann: klar umrissene kleine Forschungsfragen stellen, überprüfbare Arbeiten als Beiträge zulassen, zeitnah fachliche Rückmeldung geben und Beiträge genau dokumentieren. So können mehr Menschen, die noch keine Titel angesammelt haben, die Gelegenheit erhalten, sich durch ihre Arbeit zu beweisen.
Raum für junge Menschen bedeutet auch Raum für den nächsten Schritt
Auf seiner persönlichen Website schrieb Chen, Eigeninitiative sei eine Superkraft und Urteilsvermögen lasse sich lernen. In einem eigenen Beitrag setzte er sich außerdem damit auseinander, dass das Streben nach Reichweite auf sozialen Plattformen Aufmerksamkeit von originärer Forschung abziehen kann. Er möchte seine Energie stärker auf einen inhaltlich gehaltvollen Austausch richten.[9][10]
Diese Aussagen machen seinen Weg greifbarer: Er sucht nach Problemen, denen er sich widmen möchte, und justiert zugleich sein Verhältnis zu Chancen, Aufmerksamkeit und Arbeit. Die Entscheidung, mit 17 eine Stelle zu verlassen, ist nur eine Station dieser Suche.
Wir können einem jungen Menschen viel zutrauen und ihm zugleich Raum lassen, weiterzulernen, die Richtung zu ändern und Fehler zu machen. Ein Forschungsergebnis verdient eine ernsthafte Bewertung. Es muss nicht zur Last werden, ständig neue Wunder vollbringen zu sollen.
Ein erstrebenswerter Wandel im KI-Zeitalter wäre, dass mehr junge Menschen eine gute Frage sofort erkunden können und für gute Arbeit eine ernsthafte Antwort erhalten. Eine überprüfte Verbesserung kann sich über Open-Source-Gemeinschaften, Forschungsteams und Modellsysteme rasch verbreiten und eine größere Wirkung entfalten.
Je unmittelbarer wir den Beitrag eines Menschen prüfen können, desto weniger lässt sich eine Rangordnung nach Dienstalter begründen. Chens Geschichte erinnert uns daran, Menschen Chancen zu geben, die Probleme lösen können, und Menschen, die noch heranwachsen, früh einen Zugang zur Mitgestaltung der Welt zu eröffnen.