个人简介

关于我

我是北京大学软件工程硕士研究生，目前的研究覆盖大模型后训练、智能体的强化学习、LLM 评测与奖励建模、扩散语言模型，以及多模态与具身智能。我坚持认为「研究要从业务中来，到业务中去」。共计以第一作者身份发表清华 A 类会议论文 2 篇，合作发表清华 A 类会议论文 1 篇。

我的研究主线是推动大模型从‘生成答案’走向‘可靠行动’：探索自回归与扩散式模型如何从可验证反馈中学习，在工具、视觉与真实环境中持续改进，并将能力突破转化为可衡量的实际价值。

现于腾讯 CSIG WorkBuddy 项目组 × 优图实验室从事 Code Agent 后训练研究，重点关注 WorkBuddy Bench 测评优化、Web 智能体评测、训练数据与强化学习，推动真实用户需求、能力诊断与模型训练，形成持续迭代闭环的不断进化。

2027 年 7 月可入职 大模型算法研究员 · 研究科学家
中国大陆 · 中国香港 · 新加坡
公开简历 Google Scholar 引用 GitHub Stars
01

研究方向

从失效模式出发，连接训练、评测与系统。

01 模型层

基座模型与后训练

研究训练目标与推理方法，在提升模型能力的同时，不让聚合分数掩盖真实失效模式。

监督微调偏好优化扩散语言模型
02 行动层

智能体与强化学习

面向需要与环境交互的智能体，研究信用分配、工具调用与奖励设计，而不仅是文本生成。

工具调用GRPO信用分配
03 可信层

模型评测与奖励建模

关注稳健的 LLM 裁判、长文本评测、不确定性，以及真正反映用户偏好的奖励模型。

LLM 裁判过程奖励模型长文本
04 感知层

多模态、VLM 与具身智能

通过视觉反馈与机器人奖励模型，将语言模型的推理能力连接到感知与行动。

视觉语言模型视觉反馈机器人奖励
02

最新动态

研究、论文与职业进展。

  1. 我们的论文 Why Deterministic PRM Guidance Underperforms in Discrete Diffusion Reasoning 被 NeurIPS 2026 接收，论文、代码和模型相关资源现已公开。

  2. 我们的论文 Length-Adaptive Decoding for Masked Diffusion Machine Translation 被 EMNLP 2026 主会接收，论文、代码、数据与模型权重现已公开。

  3. 我目前在腾讯 CSIG WorkBuddy 项目组 × 优图实验室从事 Code Agent 后训练相关工作，重点关注 WorkBuddy Bench 测评优化、Web 智能体评测、训练数据与强化学习，推动真实用户需求、能力诊断与模型训练，形成持续迭代闭环的不断进化。

  4. 我们的论文 RefineSVG 被 CCF-A 会议 ACM Multimedia 2026 接收。

  5. 我们发布了关于工具调用强化学习、扩散语言模型推理和机器人奖励建模的新工作。

  6. 我加入腾讯 PCG QQ 算法组，从事多语言大模型训练与智能体强化学习相关工作。

  7. 我在北京大学开始攻读硕士学位。

03

论文与预印本

「研究从业务中来。」

显示全部 6 篇论文。

EMNLP '26 CCF-B 已录用

该论文在导师与比亚迪合作期间完成

Length-Adaptive Decoding for Masked Diffusion Machine Translation

Yan Zhan, Mengkai Hou, Wanting Zhang, Zhijun Gao

提出无需训练的 Entropy-Valley 方法，在去噪前选择掩码扩散模型的目标长度，无需额外长度预测器即可提升翻译充分性。

EMNLP 2026 主会

在审

该论文于 QQ 算法组实习期间完成

SLCA-GRPO: Resolving Cross-Segment Credit Misattribution in Tool-Calling RL

Yan Zhan, Shaobo Liu, Qiunan Liu, Yuanjun Shi, Siqi Xu, WeiYi Hou, Xiang Xu, Zekang Li, Weizhou Pan, Jiahong Yan

Segment-Locked Credit Assignment 将执行奖励分配给工具片段、将偏好奖励分配给总结片段，从而减少工具调用强化学习中的跨片段信用污染。

在审

在审

该论文在与北京人形机器人创新中心有限公司合作期间完成

TrustRoboReward: Preference-Ordered Isotonic Score Editing for Multi-Paradigm Robot Reward Models

Yidong Wang, Yan Zhan, Ziteng Feng, Zhenyu Cui, Ziyi Zhou, Renzhao Liang, Jiaxuan Zhu, Zilei Yang, Yiran Zhao, Zhongkuan Mao, Bo Jia, Hanchu Ni, Chenggang Xie, Biao Liu, Yi Zhang, Yong Dai, Xiaozhu Ju, Wei Ye, Shikun Zhang

提出多范式机器人奖励建模框架，使用 POISE 模块校准点式分数，使其遵循更可靠的成对偏好关系。

在审

“在审”论文按投稿会场展示；CCF 标签仅表示会场等级。等级依据中国计算机学会第七版推荐目录。 查看目录

04

行业经历

「研究到业务中去。」

腾讯 CSIG · WorkBuddy 项目组 × 优图实验室

WorkBuddy Code Agent 算法研究实习生

中国北京 · 现场办公

面向 WorkBuddy 主导测评驱动的 Code Agent 后训练，贯通能力诊断、定向数据构建与强化学习。建设功能与美学分离评测、难度筛选及产物与教师轨迹质检，搭建 SGLang 与浏览器沙箱联动的 Agent RL 管线，并针对低概率工具调用 token 改进 GRPO 概率感知裁剪。评测专家一致率提升至 90.7%，对应对照实验的累计训练耗时减少约 74%；通过浏览器验收加速奖励计算，相关体系已用于模型迭代与训练决策，推动真实用户需求、能力诊断与模型训练，形成持续迭代闭环的不断进化。

Code Agent后训练RL工具调用WorkBuddy× 优图实验室

腾讯 PCG · QQ

大模型算法研究实习生

中国深圳 · 现场办公

面向 QQ 海外版实时翻译，构建覆盖 13 种欧亚语言、约 100 万样本对的多语种翻译语料，完成数据筛选与清洗、低资源语对蒸馏补齐、NER 实体修复、4B 级基座评测与 SFT。模型域内性能提升约 10 个百分点，并在 FLORES-200 与 WMT25 上达到更大规模 MoE 翻译基线的水平。

1M训练样本对13种语言+10pp域内提升

完美世界

NLP 算法实习生

中国北京 · 现场办公

研发面向玩家社区内容治理的大模型广告语识别系统，结合检索增强生成与 LoRA 微调，并通过 vLLM 部署高效推理。系统 F1 达到 85%，用于小时级离线批量识别。

85%F1 分数RAG+ LoRAvLLM推理部署
05

教育背景

学历、专业及在校表现。

北京大学

预计毕业

软件工程硕士

GPA：3.71/4.0。课程包括机器学习、自然语言处理、大语言模型开发与应用、人工智能实践以及算法分析与设计。

GPA 3.71 / 4.0预计 2027 年 6 月毕业

北京林业大学

数字媒体技术学士

总排名 2/37，其中 2022–2023 学年排名第 1。

总排名 2 / 372022–2023 学年 1 / 37
06

荣誉与奖项

竞赛、奖学金与学生工作荣誉。

北京赛区高教主赛道一等奖

第八届中国国际“互联网+”大学生创新创业大赛

全国总决赛二等奖、三等奖

全国大学生数字媒体科技作品及创意竞赛

二等奖

2021 年全国模型大赛

学业卓越奖学金

北京林业大学

优秀学生奖学金

北京林业大学

文体优秀奖学金

北京林业大学

三好学生

北京林业大学

优秀学生组织干事

北京林业大学