LLM Agent 与后训练对齐
多约束 DAG 任务规划、两阶段工具路由、100K+ 长上下文与 MCP 沙箱;Verifiable GRPO、SFT → DPO 偏好对齐与多视角推理蒸馏。
ABOUT ME 很高兴在这里遇见你
专注于 LLM Agent 系统、大模型后训练与偏好对齐(RLVR / GRPO / DPO)、多模态推理蒸馏及 AI 推理基础设施(SGLang / CUDA / C++)。目前在美团担任 Agent 算法工程实习生,曾任西湖大学自然语言处理实验室访问学生与北京大学 IFlab 科研实习生,

从公式推导到可复现的系统工程。
RESEARCH & ENGINEERING FOCUS
连接算法建模、后训练对齐与底层推理系统。
多约束 DAG 任务规划、两阶段工具路由、100K+ 长上下文与 MCP 沙箱;Verifiable GRPO、SFT → DPO 偏好对齐与多视角推理蒸馏。
SGLang / vLLM 高并发服务调优(Prefix Caching / Chunked Prefill)、单卡 FSDP2 训练栈、CUDA 融合算子与视频 DiT 时空缓存加速。
DeepScientist(7,000+ 用户)与 MiniCode(1k+ Stars)核心研发,向 mlc-ai/xgrammar(PR #1011)等开源基础设施贡献底层并发修复。
ACM-ICPC / CCPC 区域赛与全国邀请赛奖牌、RAICOM 国一;扎实的数据结构、C++ / Go 高并发系统与分布式存储工程实践。
ALONG THE WAY
2027 – 2030教育
软件工程(硕士研究生)
East China Normal University (985)推免录取,2027 年秋季入学
2022 – 2027教育
软件工程(工学学士 · 专业前 10%)
Xinjiang University (211)
中南大学(985)计算机学院交换生 · 获 ICPC 区域赛奖牌与 RAICOM 国一
2026.06 – 至今经历
Agent 算法工程实习生 · 海外酒旅业务研发平台
Meituan负责跨境酒旅复杂多约束场景下的分层任务分解、DAG 拓扑调度与局部子图重规划(Local Replanning);构建向量 Top-K 召回 + LLM 精排两阶段工具路由与 JSON Schema 强校验(线上接口调用合法率 96%+);设计 Observation 状态剪枝策略降低约 40% 单轮上下文 Token 开销;打通持久化 Sandbox 与七阶段状态机,基于多步交互轨迹建立过程检查点与结果验收 Rubrics,开展 Pairwise 偏好构造及 SFT / DPO 对齐训练。
2025.12 – 2026.03经历
访问学生 · 自然语言处理实验室(张岳教授组)
Westlake University · NLP Lab负责科研自主智能体平台 DeepScientist(7,000+ 用户)核心研发,搭建超 100K Token 长上下文多轮规划、并发 Tool-use、Docker SDK 容器沙箱与 MCP 协议栈(memory / artifact / bash_exec),结合 SSE / WebSocket 双流通信与 Redis / Prometheus 构建高并发运行时;合作完成可审计同行评审系统 DeepReviewer 2.0(ICLR 盲评 Elo 2057,胜率 71.6%)与可编辑科研插图系统 AutoFigure-Edit(ACL 2026 Demo,FigureBench 胜率 83.0%)。
2025.09 – 2025.12经历
科研实习生 · 视频扩散模型(DiT)推理加速
Peking University · IFlab参与视频扩散局部编辑加速项目 EditCache(共同一作,面向 Wan2.1-VACE 多模态 DiT),设计可重入 Latent 与 Block Hidden-State 跨步缓存复用、局部区域重算与自适应推理起点;在单卡 H100 上将模型计算延迟由 978.23 ms 降至 398.07 ms(2.46× 加速)、严格同步端到端延迟由 979.0 ms 降至 658.5 ms(1.49× 加速),并完成缓存传输开销与组件消融实验。
LATEST NOTES
目前公开收录 38 篇研究与工程长文 ,覆盖 104 个技术标签 。
严谨建模, 扎实落地。
回到博客