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，兴趣集中在大语言模型的全链路训练（预训练、后训练）、Agent 系统与具身智能。
目前在 SJTU APEX 数据和知识管理实验室 担任科研助理。此前在美团从事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 Agent 开发工程师。
经历
查看论文成果 →至今
科研助理（RA） · SJTU APEX 数据和知识管理实验室
- 研究大语言模型后训练（LLM post-training）。
2025.09 — 2026.09
科研实习（生成式推荐） · 美团
- 产出 Learning from Unreachable Rewards: Hint-Conditioned Reinforcement Learning for Generative Recommendation（CIKM 2026，Co-first Author）。
- 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 Empowering LLM Tool Invocation with a Tool-Call Reward Model（ICLR 2026 Poster）。
- 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
Agent 开发工程师 · 上海将然科技有限公司
- 构建通用型记忆与上下文控制中间件：异步记忆沉淀机制将短期会话转化为长期用户画像。
- 设计多管道并行召回框架与“元数据 + 关键词 + 向量”三路混合检索，评测选定 bge-m3 / bge-reranker。
- 自研覆盖版式分析、共指消解、时间处理的文档预处理管道，支撑高质量下游检索。
开源项目
部分研究代码与个人工具。
HCGRec
Co-first AuthorCIKM 2026 论文官方代码：hint-aware GRPO + constrained decoding 的 Semantic ID 生成式推荐。
CARing
Co-first AuthorICLR 2027 在投论文代码：medical Semantic IDs、coverage-reward GRPO 与 multi-positive supervision。
devin2api
OwnerDevin upstream 到 OpenAI Responses / Anthropic Messages 兼容 API 的 Go 代理。
texlate
OwnerarXiv LaTeX 论文翻译工具：保留公式与引用，重编译中文 PDF。
Tencent-GRec
Owner2025 腾讯广告算法大赛 TAAC：全模态生成式推荐与混合负采样。
教育经历
上海交通大学 · 密西根学院（UM-SJTU Joint Institute）
电子与计算机工程（Electrical and Computer Engineering）本科 · 2024.09 — 2028.06（预计）