×
加载中...
复旦校友黄呈松将加入字节Seed,一作论文入选NeurIPS 2026 Spotlight!
智猩猩AI 2026-11-17 13:56

11月17日,圣路易斯华盛顿大学(WashU)博士候选人黄呈松在X上宣布,将于2027年1月份加入字节跳动Seed团队。


图片

黄呈松本科毕业于复旦大学软件工程专业,随后进入圣路易斯华盛顿大学计算机科学与工程系攻读博士学位,师从Jiaxin Huang教授。今年4月份,他通过博士论文研究计划答辩(Ph.D. Proposal),博士研究进入新的阶段。


他的研究方向主要包括大模型自我进化、Agent系统以及大模型推理效率。


黄呈松曾先后在Sea AI Lab(SAIL)、腾讯西雅图AI Lab和Google Cloud AI Research开展研究,参与LoraHub、R-Zero等项目。2026年2月起,他在Google Cloud AI Research担任学生研究员,主要聚焦面向大模型的智能体强化学习。


图片


他的早期研究中,LoraHub是一项值得关注的工作。大模型可以通过LoRA等轻量化方法适配不同任务,而LoraHub进一步探索了不同LoRA模块能否组合使用。


图片


它能够根据少量新任务样例,动态组合已有模块,让模型调用过去积累的能力完成新任务,而不必重新训练整个模型。这项工作发表于COLM 2024,为大模型跨任务迁移提供了一种更灵活的思路。


此后,黄呈松将研究重点进一步推进到大模型能否自己产生训练任务、持续提升推理能力的问题。


2025年,他参与提出了R-Zero,并于2026年被ICLR接收。传统推理模型的训练往往依赖大量人工整理的问题和答案,R-Zero则尝试让模型自己创造学习材料。


图片


研究团队设置了两个角色:一个负责提出问题,另一个负责解决问题。随着双方不断交互,出题者逐渐生成更具挑战性的任务,解题者则在不断解决问题的过程中提升推理能力。整个过程不依赖预先准备的人工标注训练数据。


2026年,他以一作身份提出了G-Zero,将自我进化思路拓展到开放式生成任务。该研究入选NeurIPS 2026 Spotlight,并获得NeurIPS 2026 Towards Test-Time Continual Learning Agents Workshop最佳论文奖。


图片
图片


相比传统依赖人工设计任务和训练数据的方式,G-Zero尝试通过自博弈,让模型在不断生成任务、解决任务的过程中积累能力,探索零数据条件下的开放式自我改进。


与此同时,他在Google Cloud AI Research研究期间参与的EnvHarness,则将研究视角从模型本身延伸到了Agent所处的训练环境。


图片


传统Agent训练环境通常相对固定,当模型能力不断提升,原有环境可能逐渐无法提供足够的挑战。EnvHarness尝试通过可插拔组件动态调整环境,根据Agent的表现和暴露出的问题改变任务设置,为其提供更有针对性的训练反馈。


从让模型灵活调用已有能力,到通过自博弈实现自主学习,再到动态调整Agent的训练环境,黄呈松的研究始终围绕一个方向展开:如何减少模型对人工数据和固定训练流程的依赖,让AI系统具备持续学习和自我改进的能力。


加入字节Seed团队后,他能否将这些研究进一步推进到更复杂的真实任务中,也值得关注。

(转载自智猩猩AI)

扫码下载app 最新资讯实时掌握