方皓天 Haotian Fang

B.Eng. Student @ UM-SJTU Joint Institute, Shanghai Jiao Tong University

About Me

我是上海交通大学密西根学院（UM-SJTU Joint Institute）电子与计算机工程专业的本科生。我的兴趣集中在大语言模型的全链路训练（预训练、后训练、强化学习）与具身智能。

目前在 SJTU APEX 数据和知识管理实验室担任科研助理。此前我在美团做生成式推荐方向的科研实习，在 SJTU X-Lance 实验室担任科研助理，并在上海将然科技有限公司担任过 Agent 开发工程师。研究成果包括 HCGRec（CIKM 2026，Co-first Author）、 CARing（ICLR 2027 在投，Co-first Author）和 Tool-call Reward Model （ICLR 2026 Poster）。

Research Interests

🧠

LLM 全链路训练

预训练、后训练与强化学习的完整管线：奖励模型、PPO/GRPO、信用分配与训练效率。

🤖

具身智能

让模型在与环境的交互中学习和行动：embodied agents、VLA 与世界模型。

⚙️

Agent 系统

记忆与上下文管理、工具调用、RAG 检索管线，以及支撑 agent 的基础设施。

Publications

Learning from Unreachable Rewards: Hint-Conditioned Reinforcement Learning for Generative Recommendation

Kangning Zhang*, Haotian Fang*, Xukun Luo, Hao Yin, Yang Gao, Peng Yan, Weiwen Liu, Weinan Zhang, Yong Yu.
CIKM 2026 · Co-first Author · Code

Coverage-Aware Reasoning with Medical Tokens for Diagnosis Prediction

Kaisong Zhang*, Haotian Fang*, Junmeng Zhou, Hang Lv, Yulan Pan, Yanchao Tan.
ICLR 2027 在投 · Co-first Author · Code & Logs

将疾病名称与 ICD 本体路径压缩为三层 Semantic ID，通过临床语义对齐、推理激活、coverage-reward GRPO 与多正例监督，改善多个正确诊断的覆盖。在 MIMIC-III / IV 上，推理模式 R@30 为 46.04% / 46.52%。

Empowering LLM Tool Invocation with Tool-call Reward Model

Da Ma, Ziyue Yang, Hongshen Xu, Haotian Fang, Kai Yu, Lu Chen.
ICLR 2026 Poster

* Equal contribution.

Experience

至今

科研助理 (RA) · SJTU APEX Lab

在 SJTU APEX 数据和知识管理实验室担任科研助理（Research Assistant）。

2025.09 — 2026.09

科研实习（生成式推荐） · 美团

产出论文 Learning from Unreachable Rewards: Hint-Conditioned Reinforcement Learning for Generative Recommendation（Co-first Author，CIKM 2026，code）。
针对 Semantic ID 生成式推荐中 GRPO 的同质零奖励问题，提出 hint-conditioned 训练框架与 hint-aware credit decomposition。
将 zero-advantage 训练样本占比从 70%+ 降至 20% 以下，HR@K / NDCG@K 多项指标持续提升。

曾任

科研助理 (RA) · X-Lance Lab, SJTU

产出论文 Empowering LLM Tool Invocation with a Tool-Call Reward Model（ICLR 2026 Poster 已接收）。
提出 Tool-call Reward Model (TRM)：将过程奖励模型引入工具调用场景，设计「必要性×质量」标注准则与 turn-level 信用分配。
在搜索问答与代码数学任务上，使 Qwen2.5 系列 1.5B–7B 模型一致超越 outcome-only RL 基线。

2025.03 — 2025.09