清华大学
2025.09 – 至今
硕士研究生 · 数据科学和信息技术
关于我
我是清华大学深圳国际研究生院数据科学与信息技术专业 2025 级硕士研究生，由 陈鑫磊、 余超 共同指导，本科毕业于北京邮电大学。
我的研究方向聚焦于大语言模型智能体（LLM Agents）与强化学习。目前主要关注递归自我改进（Recursive Self-Improvement，RSI）、credit assignment 以及世界模型；早期的研究则涉及多智能体强化学习、多无人机等课题。
论文发表
完整列表见 Google ScholarActionOPD: Distilling Decisions, Not Tokens
在语义动作层面对 LLM 智能体进行在线策略蒸馏：无需教师模型的 token 概率或相同分词器，仅对齐学生与黑盒教师采样的决策，在多个分布外基准上提升 3.3–6.9 个百分点。
Verifiable Process Rewards for Agentic Reasoning
将可验证的任务求解 oracle 转化为动作级过程奖励，为长程智能体任务提供稠密反馈，在推箱子、数独、扫雷及 τ²-bench 等环境中优于纯结果奖励方法。
MARSHAL: Incentivizing Multi-Agent Reasoning via Self-Play with Strategic LLMs
端到端强化学习框架：让战略型大模型通过合作与竞争的自博弈，直接从博弈结果中学习多智能体推理能力，并迁移到 MAD、AutoGen 等下游多智能体系统。
VS-Bench: Evaluating VLMs for Strategic Abilities in Multi-Agent Environments
面向多智能体环境中战略能力的大模型视觉评测基准：覆盖合作、竞争与混合动机的 10 个视觉多智能体环境，从感知、推理与决策三个维度评测了 15 个模型。
Scalable UAV Multi-Hop Networking via Multi-Agent Reinforcement Learning with Large Language Models
将多智能体强化学习与大语言模型结合，实现可扩展无人机多跳组网中的去中心化协同决策。
VolleyBots: A Testbed for Multi-Drone Volleyball Game Combining Motion Control and Strategic Play
多无人机排球测试平台：在真实物理接触的对抗合作中同时考验高层策略博弈与底层敏捷飞控，并支持仿真到真实的零样本部署。
工作经历
教育经历
北京邮电大学
2021.09 – 2025.06
本科 · 信息工程
荣誉奖项
- 2025北京邮电大学三好学生（2024–2025 学年）
- 2024北京邮电大学三好学生（2023–2024 学年）
- 2023国家奖学金（2022–2023 学年）
- 2023北京邮电大学优秀学生干部（2022–2023 学年）
- 2023北京邮电大学学生组织优秀个人（2022–2023 学年）