研究方向

现代视觉模型的能力广度在很大程度上来自对数据、模型容量与计算规模的扩展。这一路线十分有效，但学习过程仍受部署前已收集信息的约束。模型可以泛化到单个训练样本之外，但离线训练本身并没有规定：当预测失败时，系统应当获取什么新证据。我的研究关注的正是离线数据上的泛化与持续适应之间的缺口。这个问题在我的工作中逐步展开：表示能否泛化到训练样本之外；表示能否进一步包含与任务相关的关系和时序状态；以及模型能否在预训练后利用不完美的奖励或偏好反馈继续改进。

后训练让模型开始从对自身输出的评价中学习，但这还不是交互学习：提示与评价器仍然预先确定，模型输出也不会改变外部环境。我的长期目标是闭合预测、行动与观测之间的循环。智能体应当评价候选行动，观测由行动产生的状态转移，再利用结果更新模型或策略。数字环境适合大规模研究记忆、工具调用、探索与持续适应；物理环境则引入几何、动力学、不确定性与安全约束。下面三条路径研究的是从经验中学习所需要的不同条件，而不是同一架构中的组成模块。