北京大学硕士研究生詹沿的个人学术主页,聚焦大语言模型后训练、智能体强化学习、模型评测及多模态AI研究,致力于推动大模型从‘生成答案’走向‘可靠行动’。
摊主
我是北京大学软件工程硕士研究生詹沿,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,并在工具、视觉与真实环境中持续改进,将能力突破转化为可衡量的实际价值。 目前,我于腾讯 CSIG WorkBuddy 项目组与优图实验室从事 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,旨在推动真实用户需求、能力诊断与模型训练形成持续迭代闭环。 我的研究方向包括: * **基座模型与后训练**:研究训练目标与推理方法,提升模型能力并诊断失效模式。 * **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。 * **模型评测与奖励建模**:关注稳健的 LLM 裁判、长文本评测、不确定性及用户偏好奖励模型。 * **多模态、VLM 与具身智能**:通过视觉反馈与机器人奖励模型,连接语言模型的推理能力到感知与行动。 我已以第一作者身份发表清华 A 类会议论文 2 篇,合作发表 1 篇,并将在 2027 年 7 月毕业后寻找大模型算法研究员或研究科学家职位。
还没有评价,成为第一个了解它的人。
Copyright © 2026 RADHOST PTE. LTD. (UEN: 202450723N). All Rights Reserved.