Resume简历履歴書
Yecheng Zhang 张业成
Career interests: LLM post-training / Multimodal understanding / Agentic意向：LLM后训练/多模态理解/Agentic希望分野：LLMの事後学習 / マルチモーダル理解 / Agentic
Education
Tsinghua University
2023.09 – PresentPh.D. student in Urban Planning (LLM post-training, multimodal understanding, AI4Science)
Hefei University of Technology
2018.09 – 2023.06Bachelor's degree in Urban and Rural Planning (urban data mining, computer vision)
Internship Experience
ByteDance · PDI-Seed-Lark Base AI
2026.05 – PresentLLM Algorithm Intern (ByteIntern)
Responsible for Seed 2 post-training for Lark Base AI within Doubao Office's MoA system, covering data synthesis, Judge/Fix Infra Models training, Verifier Agent + AutoResearch, and the development of the Spec-Verifier-SDK Coding Agent and Lark Base CLI, to build agentic capabilities for enterprise-native B2B scenarios.
[1] Building data synthesis for Spec-Refine
To push the capability ceiling of Spec generation for multidimensional tables in Base scenarios and provide dense training signals for reinforcement learning of a Refine agent based on Judge and Fix models, built a three-level Category–Rubric–Mode rubric system and a Judge–Fix–Router pipeline covering five domains: Table/Workflow/Dashboard/Permission/View. Combined multi-candidate generation, domain-specific review/root-cause routing, and local rechecking/long-term repair memory with voting-based release gates, terminal bypass, format gates, tolerance-based rechecking/exemptions, and Hard fallback for difficult pipeline paths. Controlled costs through early stopping/mixed precision and protected results through exception isolation/transactional rollback. To address the sparse judgments produced by conventional LLM-as-Judge approaches, built a Verifier Agent that samples multiple levels of token logprobs for the Judge's local rubric judgments before and after Fix, integrating multimodal information and rollouts to extract precise dense signals. End-to-end automated/human evaluation showed data accuracy increasing from 29% to 70% (+41 pp). Incorporated data from Doubao Office scenarios to form an Infra Model training data flywheel.
[2] Training Judge/Fix Infra Models
To address Seed 2's low accuracy/recall on Base Spec samples containing multiple issues, designed a post-training strategy combining causal-inference data synthesis, curriculum reinforcement learning, and on-policy context distillation, building a Spec Rubric Model based on Seed model self-distillation. Built a Spec-based causal-inference system, the Assumption-Based Truth Maintenance System, to strengthen Spec-Refine data synthesis. Based on Base capability boundaries, Query requirements, and derived reasoning, proposed DFS-based set propagation to compute minimal and contradictory assumption combinations. Used 10,000+ synthetic data trajectories generated by the DSH harness to post-train a Seed 2.0-based Judge model. Used Strict-SFT for cold start, introduced Category–Rubric–Mode hierarchical F1 Reward, and constructed confidence-structured chains of thought through stage-wise progression of dynamic weights. Used the GRPO-trained Judge model as a teacher, combining rubric and CoT prompts to strengthen the student model Seed 2. Accuracy matched GPT-6.1, while Vote agreement and Rubric coverage improved by 35 pp and 45 pp, respectively. To improve Fix efficiency, extracted the synthesis pipeline's Fix capability from heterogeneous multi-teacher trajectories and trained a Fix Model through SFT+RFT+PPO, achieving accuracy 20 pp above GPT-6.1.
[3] Lark Base CLI based on Agentic RL
To overcome resource limits per online model unit and address sparse Code Agent signals, insufficient hard-case coverage, and long-tail issues, trained a Coding Agent using Spec, CodeAct, long trajectories with E2E Reward, and a PI harness. Dynamically loaded skills through Doubao's Super Mode harness and used optimized Specs as the Code Agent/CLI's chain of thought for Agentic RL, implementing Agentic RL for Lark Base CLI as a SubAgent in Doubao Office's MoA system. Trained an E2E Judge Model to turn feedback on requirement coverage, configuration correctness, cross-module dependencies, and overall usability into dense Code Agent signals. Designed an Auto Thinking mode that jointly considers compilation success, artifact correctness, and code efficiency, with Learning-frontier dynamic sampling based on GRPO checkpoint assessments of real-time data difficulty. Used compiler errors, failure logs, and successful rollouts as privileged context. For Base Spec generation, built a self-evolving dynamic harness for PE optimization, using cross-batch adversarial synthesis to remove sampling noise and identify shared root causes. Synthesized high-leverage, low-regression Prompt patches through evidence/stability/adversarial-robustness/net-benefit gates; token utilization efficiency improved by 38 pp. P50 latency fell from 3.1 minutes to 23 seconds, supporting deployment at scale.
Research Experience
Research output: Published six first-authored papers, including ECCV/CVPR and four SCI Q1 journal papers, including two first-authored ESI Highly Cited Papers (Top 1%) and one first-authored ESI Hot Paper (Top 0.1%).
[1] LLM post-training | Semantic alignment with human visual preferences
2025.10 – 2026.02First + corresponding author | ECCV 2026
Large vision-language models (VLMs) can recognize a rich range of visual elements, but their outputs systematically diverge from human preferences. Existing alignment methods depend on large amounts of annotated data and compute and lack interpretability. Proposed post-hoc concept bottleneck alignment for visual RAG (Post-hoc Concept Bottleneck): automatically discover interpretable evaluation dimensions, extract robust concept scores from frozen VLMs through an Observer-Debater-Judge multi-agent chain, and calibrate them to human ratings using locally weighted ridge regression on a hybrid visual-semantic manifold. An end-to-end dimension-optimization loop jointly ensures accuracy and interpretability. Achieved 72.2% accuracy (κ=0.45) in urban scene perception, exceeding the supervised baseline by 15.1 pp and the uncalibrated VLM by 16.3 pp.
Paper: Zhang Y*, Zhao R, …, Shi C*. UrbanAlign: Post-hoc Semantic Calibration for VLM-Human Preference Alignment. ECCV 2026.
[2] AI4Science | Multimodal urban data mining
2021.09 – 2025.10First author and other authorship roles | Scientific Data, CVPR, AAAI, Habitat International, JAG
Urban research lacks standardized, large-scale urban datasets because of diverse scales, spatial heterogeneity, and complex change. Proposed multi-temporal visual interpretation and spatial matching for continuous spatiotemporal evolution. Built GloPPRUA, GloGCI, and CMAB. To address resolution degradation, jagged contours, and systematic displacement between historical and modern remote-sensing images, designed HRNet-W48+U-Net enhanced with resolution-distribution matching (improving Dice under strong blur from 0.684 to 0.756). Used a four-channel RGB–Mask GAN combining adversarial, L1, IoU, and edge losses to regularize contours (improving the building-contour right-angle ratio from 0.398 to 0.624), then generated traceable Polygons through 1 m DP vectorization, conditional morphological routing, and safe fallback. Combined supplementary evidence from multiple dates within the same period, global-local offset calibration, and two rounds of seven-feature contextual matching to build cross-period relationship graphs, yielding approximately 14.78 million two-period building observations across 1,000 cities. Both CMAB and GloGCI were selected as ESI Highly Cited Papers (Top 1%); the data and code received 79,500 cumulative downloads.
Paper: Zhang Y†, Zhao H†, Long Y*. CMAB: A Multi-Attribute Building Dataset of China. Scientific Data, 2025.
Paper: Zhang Y, Tu T, Long Y*. Inferring Ghost Cities on the Globe in Newly Developed Urban Areas Based on Urban Vitality with Multi-source Data. Habitat International, 2025.
Paper: Zhang Y, Zhang Q, …, Zheng H*. Urban Spatial Risk Prediction and Optimization Analysis of POI Based on Deep Learning. International Journal of Applied Earth Observation and Geoinformation, 2022.
Paper: Zhang Y, Long Y*. Towards building-scale urban analytics and simulation. Building Simulation, 2026.
[3] AI4Science | LLM-based scientific data synthesis and controlled experiments
2024.09 – PresentFirst / corresponding author | arXiv
Generative large models are being used for scientific data synthesis, but reproducing significant relationships does not amount to recovering empirical parameters or data heterogeneity, or supporting reproducible experiments. Proposed the AI4US multimodal evaluation framework, which follows two paths—Data Synthesis and Conditional Intervention—to jointly evaluate relationship reproduction, consistency with empirical parameters/distributions, and responses to controlled conditions across four task types: urban scaling, distance decay, neighborhood vitality, and streetscape perception. Results show that GenAI can recover identifiable urban regularities and produce stable directional responses across all four task types, but systematically compresses numerical coverage, local variation, and visual diversity. Further developed Profile–Probe–Intervene mechanistic analysis on Qwen2.5-VL-72B, verifying that some regularities can be decoded from intermediate representations and affect local outputs.
Project Experience
Participated in a Major Project of the National Natural Science Foundation of China (No. 62394335), a General Program project (No. 52178044), and an Energy Foundation project (No. G-2306-34815).
Nanjing Xinda Institute of Meteorological Science and Technology
2025Doctoral practice placement | Outstanding internship evaluation
Built a satellite-to-radar reflectivity retrieval model from multichannel FY-4B satellite data, using conditional flow matching to achieve zero-shot cross-domain transfer to regions without radar coverage.
Independent Development
2025 – 2026Open-source projects with 1,300+ total GitHub stars | GitHub
Independently developed 20+ open-source projects to address pain points in everyday research and work, covering AI memory ecosystems, AI-assisted learning, agent orchestration, and related scenarios.
[1] MemoMind memory ecosystem (personal knowledge base + AI memory system) | 600+ open-source stars
Developed the local AI memory system MemoMind, building a knowledge graph service on PostgreSQL+pgvector. Designed four-way hybrid retrieval using semantic vectors, BM25, graph traversal, and temporal constraints, improving retrieval quality through RRF fusion and Cross-Encoder reranking. Used a three-tier division of model responsibilities for vectorization, entity extraction, and reasoning-based deduplication, and connected agents through MCP. Used a multi-Bank architecture to centrally manage 43,000+ nodes and 2.49 million+ knowledge links in production.
[2] Research productivity tools (AI-assisted learning + agent orchestration IDE + AI infrastructure)
Developed AI tools including Human Skill Tree (514 stars) and InfoHub (a trending-information aggregation platform), as well as Zync, a multi-agent orchestration IDE. Built AI API Gateway to unify multi-model routing, authentication, quota management, and cross-device service access.
Honors and Awards
Honors
- 2026Doctoral Student Program of the Young Science and Technology Talent Development Project, China Association for Science and Technology (CAST).
- 2025GIS Rising Star, 13th China University GIS Forum.
- 2025Nominee, Academic Rising Star Award for Graduate Students, Tsinghua University.
- 2022Top Ten Students, Hefei University of Technology.
Awards
- 2026.09National Scholarship, Tsinghua University.
- 2025Jin Jingchang Outstanding Paper Award.
- 2024First-class Comprehensive Excellence Scholarship, Tsinghua University.
- 2023Creativity Award, 1st Global Urban Science Conference.
- 2022Gold Award, 10th Challenge Cup Anhui University Student Entrepreneurship Plan Competition.
- 2021National Bronze Award, 7th China International Internet+ College Students Innovation and Entrepreneurship Competition.
Academic and Social Activities
Academic Presentations
- 2025Chaired the GIS Rising Star session at the China University GIS Forum; American Association of Geographers (AAG) Annual Meeting, Detroit.
- 2024Applied Urban Modelling (AUM) conference, University of Cambridge.
- 2023Global Smart Cities Summit (GSCS), Hong Kong.
- 2022Urban Big Data Committee Annual Meeting, Beijing; International Conference on Computational Design and Robotic Fabrication, Shanghai.
Student Service
- 2024–2025Deputy Head, Sports Department, Tsinghua University Graduate Student Union (2024.09–2025.07).
教育背景
清华大学
2023.09 – 至今城市规划博士生（LLM后训练、多模态理解、AI4Science）
合肥工业大学
2018.09 – 2023.06城乡规划学士（城市数据挖掘、计算机视觉）
实习经历
字节跳动 · PDI-Seed-Lark Base AI
2026.05 – 至今大模型算法实习生（ByteIntern）
负责 豆包办公 MoA 下 Lark Base AI针对Seed 2的后训练，覆盖 数据合成、Judge/Fix Infra Models 训练、Verifier Agent + AutoResearch、Spec-Verifier-SDK的 Coding Agent 和Lark Base CLI 构建，构建面向企业原生 ToB 场景的Agentic 能力。
[1] 构建 Spec-Refine 的数据合成
为突破 Base 场景多维表格生成Spec的能力上限，并为基于Judge、Fix 模型的Refine智能体的强化学习提供稠密训练信号，构建覆盖 Table/Workflow/Dashboard/Permission/View 五大域的Category–Rubric–Mode 三层 Rubric 体系与Judge–Fix–Router 链路。通过多候选生成、分域评审/根因路由、局部复核/长期修复记忆，结合投票准出、终末旁路、格式准出、容差复核/豁免，难链路Hard兜底；以早停/混合精度控制开销，以异常隔离/事务回滚保护结果。针对传统 LLM-as-Judge 输出稀疏判定的问题，构建 Verifier Agent，采样 Judge 输出 Fix 前后局部 Rubric 判定的多档 token logprobs，融合多模态和 rollout 精准提取稠密信号。E2E 机评/人评显示数据准确率由 29% 提升至 70%（+41pp），并接入豆包办公场景数据，形成Infra Model 训练数据飞轮。
[2] 训练 Judge/Fix Infra Models
针对Seed 2在Base Spec多问题样本上准确/召回率低的问题，设计因果推断数据合成、课程式强化学习与在策略上下文蒸馏的后训练策略，构建基于Seed 模型自蒸馏的 Spec Rubric Model。构建基于 Spec 的因果推断系统 Assumption-Based Truth Maintenance System 强化 Spec-Refine 的数据合成，基于 Base 能力边界、Query 需求和派生推理，提出基于 DFS 的集合传播计算最小假设组合和矛盾假设组合；结合 DSH harness 生成的 1万+ 条合成数据轨迹后训练 Seed 2.0-based Judge模型。采用 Strict-SFT 冷启动，引入Category–Rubric–Mode分层 F1 Reward，以阶段性动态权重递进构建置信度结构化思维链，并以经 GRPO 训练的 Judge 模型作为教师，混合 rubric 与 Cot 提示强化学生模型 Seed 2，准确率与 GPT-6.1 持平，Vote 一致率和 Rubric 覆盖率分别提升 35pp 和 45pp。为提升Fix效率，利用异构多教师轨迹抽取合成链路 Fix 能力，通过 SFT+RFT+PPO 训练 Fix Model，准确率较 GPT-6.1 提升 20pp。
[3] 基于 Agentic RL 的 Lark Base CLI
为突破线上模型单元资源限制、解决 Code Agent 信号稀疏、难例覆盖不足和长尾问题，通过 Spec、CodeAct 与 E2E Reward 长轨迹和 PI harness 训练 Coding Agent，基于豆包超能模式 harness 动态加载 skills，将优化后的 Spec 作为 Code Agent/CLI 思维链，训练 Agentic RL，实现面向豆包办公 MoA 体系 SubAgent 的 Lark Base CLI 的 Agentic RL。训练 E2E Judge Model 将需求覆盖、配置正确性、跨模块依赖和整体可用性等反馈转化为 Code Agent 的稠密信号，并设计 Auto Thinking 模式同时考虑编译通过率、产物正确性和代码效率，Learning-frontier 动态采样 GRPO checkpoint评估的实时数据难度，并将编译器报错、失败日志和成功 rollout 作为 privileged context。针对 Base Spec 生成场景构建自进化 PE 优化动态 Harness，跨批次对抗式综合消除采样噪声、发现共性根因，经证据/稳定性/抗对抗性/净收益门控合成高杠杆、低回归 Prompt patch；token 利用效率提升 38pp。P50 延迟由3.1 分钟降至 23 秒，支撑规模化上线。
研究经历
成果总结：以第一作者发表论文6篇，包括ECCV/CVPR和4篇SCI Q1论文，包含2篇一作ESI高被引论文（Top 1%）、1篇一作ESI热点论文（Top 0.1%）。
[1] LLM后训练 | 人类视觉偏好语义对齐
2025.10 – 2026.02一作+通讯 | ECCV 2026
大型视觉语言模型（VLM）能识别丰富视觉元素，但其输出与人类偏好存在系统性偏差，现有对齐方法依赖大量标注数据与算力，且缺乏可解释性。提出用于视觉RAG的后置概念瓶颈对齐方法（Post-hoc Concept Bottleneck）：自动发现可解释评价维度，通过Observer-Debater-Judge多智能体链从冻结VLM提取鲁棒概念分数，在视觉-语义混合流形上经局部加权岭回归校准至人类评分，并由端到端维度优化闭环联合保证精度与可解释性。在城市场景感知上达到72.2%准确率（κ=0.45），超越有监督基线+15.1pp、未校准VLM +16.3pp。
论文：Zhang Y*, Zhao R, …, Shi C*. UrbanAlign: Post-hoc Semantic Calibration for VLM-Human Preference Alignment. ECCV 2026.
[2] AI4Science | 多模态城市数据挖掘
2021.09 – 2025.10一作等 | Scientific Data, CVPR, AAAI, Habitat International, JAG
城市研究由于尺度多样、空间异质和变化复杂，缺乏标准化的大规模城市数据集。提出面向连续时空演化的多时相视觉解译和空间匹配方法。构建GloPPRUA、GloGCI与CMAB。针对历史—现代遥感影像的分辨率退化、轮廓锯齿与系统性位移，设计分辨率分布匹配增强的 HRNet-W48+U-Net（强模糊 Dice 由0.684 提升至 0.756），以RGB–Mask 四通道 GAN联合对抗、L1、IoU 与边缘损失规整轮廓（建筑轮廓直角率由0.398 提升至 0.624），再经 1 m DP 矢量化、条件形态路由与安全回退生成可追溯 Polygon；结合同年代多日期补证、全局—局部偏移校准及两轮七特征上下文匹配构建跨期关系图，在 1,000 城形成约1,478 万个双期建筑观测实例。CMAB 与 GloGCI 均入选ESI 高被引论文（Top 1%），数据与代码累计获得 79,500 次下载。
论文：Zhang Y†, Zhao H†, Long Y*. CMAB: A Multi-Attribute Building Dataset of China. Scientific Data, 2025.
论文：Zhang Y, Tu T, Long Y*. Inferring Ghost Cities on the Globe in Newly Developed Urban Areas Based on Urban Vitality with Multi-source Data. Habitat International, 2025.
论文：Zhang Y, Zhang Q, …, Zheng H*. Urban Spatial Risk Prediction and Optimization Analysis of POI Based on Deep Learning. International Journal of Applied Earth Observation and Geoinformation, 2022.
论文：Zhang Y, Long Y*. Towards building-scale urban analytics and simulation. Building Simulation, 2026.
[3] AI4Science | 大模型科学数据合成与受控实验
2024.09 – 至今第一/通讯作者 | arXiv
生成式大模型正被用于科学数据合成，但复现显著关系并不等于恢复实证参数、数据异质性或支持可重复实验。提出AI4US多模态评测框架，围绕 Data Synthesis 与 Conditional Intervention 两条路径，在城市标度、距离衰减、街区活力与街景感知四类任务中统一评估关系复现、实证参数/分布一致性与受控条件响应。结果表明，GenAI 可恢复可识别的城市规律并在四类任务中产生稳定的方向响应，但会系统性压缩数值覆盖、局部波动与视觉多样性；进一步在 Qwen2.5-VL-72B 上构建Profile–Probe–Intervene机制分析，验证部分规律可由中间表征解码并影响局部输出。
项目经历
参与国家自然科学基金重大项目（No. 62394335）、面上项目（No. 52178044）及能源基金会项目（No. G-2306-34815）。
南京信大气象科学技术研究院
2025博士生实践 | 实习考评优秀
基于FY-4B卫星多通道数据构建卫星到雷达反射率反演模型，构建条件流匹配实现零样本跨域迁移至无雷达覆盖区。
独立开发实践
2025 – 2026开源项目累计1,300+ GitHub Stars | GitHub
针对个人日常科研、工作痛点，独立开发20+个开源项目，覆盖AI记忆生态、AI辅助学习、Agent编排等场景。
[1] MemoMind 记忆生态（个人知识库 + AI记忆系统）｜开源 600+ Stars
开发MemoMind本地 AI 记忆系统，基于PostgreSQL+pgvector构建知识图谱服务，设计语义向量、BM25、图谱遍历与时序约束的4路混合检索，通过 RRF 融合与 Cross-Encoder 重排序提升检索质量；采用三级模型分工完成向量化、实体抽取与推理去重，通过 MCP 协议接入 Agent。以多 Bank 架构统一管理生产环境4.3万+节点与249万+知识链接。
[2] 科研效率工具（AI辅助学习 + Agent编排IDE + AI基础设施）
开发Human Skill Tree（514 Stars）、InfoHub（热点信息聚合平台）等 AI 工具，以及Zync多 Agent 编排 IDE。搭建AI API Gateway，统一多模型路由、鉴权、配额管理与跨设备服务接入。
荣誉奖励
荣誉
- 2026中国科协青年科技人才培育工程博士生专项计划。
- 2025第十三届中国高校GIS论坛“高校GIS新秀”。
- 2025清华大学研究生“学术新秀”提名。
- 2022合肥工业大学十佳大学生。
奖励
- 2026.09清华大学国家奖学金。
- 2025金经昌佳作论文奖。
- 2024清华大学综合优秀奖学金一等奖。
- 2023全球第一届城市科学大会 Creativity Award。
- 2022第十届“挑战杯”安徽省大学生创业计划竞赛金奖。
- 2021第七届中国国际“互联网+”大学生创新创业大赛国家级铜奖。
社会活动
学术报告
- 2025主持中国高校GIS论坛“高校GIS新秀”专场；美国地理学家协会年会 AAG（底特律）。
- 2024剑桥大学应用城市建模会议AUM。
- 2023全球智慧城市峰会GSCS（香港）。
- 2022城市大数据专委会年会（北京）；国际计算设计与机器人制造会议（上海）。
社会工作
- 2024–2025清华大学研究生会体育部副部长（2024.09–2025.07）。
学歴
清華大学
2023.09 – 現在都市計画・博士課程（LLMの事後学習、マルチモーダル理解、AI4Science）
合肥工業大学
2018.09 – 2023.06都市・農村計画・学士（都市データマイニング、コンピュータビジョン）
インターンシップ経験
ByteDance · PDI-Seed-Lark Base AI
2026.05 – 現在LLMアルゴリズムインターン（ByteIntern）
Doubao OfficeのMoAシステムにおいて、Lark Base AI向けSeed 2の事後学習を担当。データ合成、Judge/Fix Infra Modelsの学習、Verifier Agent + AutoResearch、Spec-Verifier-SDKのCoding AgentおよびLark Base CLIの構築を通じ、企業ネイティブなB2Bシナリオに向けたAgentic能力を構築。
[1] Spec-Refineのデータ合成の構築
Baseシナリオにおける多次元テーブルのSpec生成能力の上限を突破し、Judge・Fixモデルに基づくRefineエージェントの強化学習に密な学習信号を提供するため、Table/Workflow/Dashboard/Permission/Viewの5領域をカバーするCategory–Rubric–Modeの3階層Rubric体系とJudge–Fix–Routerパイプラインを構築。複数候補の生成、領域別評価／根本原因に応じたルーティング、局所的な再確認／長期的な修復記憶に、投票による出力許可、終端バイパス、形式検証、許容誤差に基づく再確認／免除、難しい処理経路へのHardフォールバックを組み合わせた。早期停止／混合精度でコストを管理し、例外の隔離／トランザクションのロールバックで結果を保護。従来のLLM-as-Judgeが疎な判定しか出力しない問題に対し、Verifier Agentを構築し、Fix前後の局所Rubricに対するJudgeの判定について複数段階のtoken logprobsをサンプリング。マルチモーダル情報とrolloutを統合し、密な信号を精密に抽出した。E2Eの自動評価／人手評価で、データ正解率は29%から70%へ向上（+41パーセントポイント）。Doubao Officeのシナリオデータも組み込み、Infra Modelの学習データフライホイールを形成。
[2] Judge/Fix Infra Modelsの学習
複数の問題を含むBase SpecサンプルにおけるSeed 2の正解率／再現率の低さに対し、因果推論データ合成、カリキュラム強化学習、オンポリシー文脈蒸留を組み合わせた事後学習戦略を設計し、Seedモデルの自己蒸留に基づくSpec Rubric Modelを構築。Specベースの因果推論システムAssumption-Based Truth Maintenance Systemを構築してSpec-Refineのデータ合成を強化し、Baseの能力境界、Queryの要件、導出された推論に基づき、DFSによる集合伝播で最小仮定の組合せと矛盾する仮定の組合せを計算する方法を提案。DSH harnessで生成した1万件超の合成データ軌跡を用いて、Seed 2.0-based Judgeモデルを事後学習した。Strict-SFTでコールドスタートを行い、Category–Rubric–Modeの階層的F1 Rewardを導入。段階的に動的重みを進めることで、確信度に基づいて構造化した思考連鎖を構築し、GRPOで学習したJudgeモデルを教師として、rubricとCoTのプロンプトを混合して生徒モデルSeed 2を強化した。正解率はGPT-6.1と同等となり、Vote一致率とRubricカバレッジはそれぞれ35、45パーセントポイント向上。Fix効率を高めるため、異種の複数教師による軌跡から合成パイプラインのFix能力を抽出し、SFT+RFT+PPOでFix Modelを学習。正解率はGPT-6.1を20パーセントポイント上回った。
[3] Agentic RLに基づくLark Base CLI
オンラインモデルの単位当たりリソース制約を突破し、Code Agentの信号の疎さ、難例のカバレッジ不足、ロングテールの問題を解決するため、Spec、CodeAct、E2E Rewardを伴う長い軌跡、PI harnessを用いてCoding Agentを学習。DoubaoのSuper Mode harnessでskillsを動的に読み込み、最適化したSpecをCode Agent/CLIの思考連鎖としてAgentic RLを行い、Doubao OfficeのMoA体系におけるSubAgent向けLark Base CLIのAgentic RLを実現した。E2E Judge Modelを学習し、要件充足、設定の正確さ、モジュール間依存、全体の利用可能性などのフィードバックをCode Agentの密な信号に変換。コンパイル成功率、生成物の正確さ、コード効率を同時に考慮するAuto Thinkingモードを設計し、GRPO checkpointが評価するリアルタイムのデータ難度に対してLearning-frontierによる動的サンプリングを行った。コンパイラエラー、失敗ログ、成功rolloutをprivileged contextとして利用。Base Spec生成シナリオ向けに自己進化するPE最適化用の動的Harnessを構築し、バッチをまたぐ敵対的な統合分析でサンプリングノイズを除去し、共通する根本原因を特定。証拠／安定性／敵対的入力への頑健性／純便益のゲートを通じ、高い効果と低い回帰リスクを持つPrompt patchを合成した。token利用効率は38パーセントポイント向上。P50レイテンシは3.1分から23秒へ短縮し、大規模な本番展開を支えた。
研究経験
研究成果：筆頭著者として6本の論文を発表。ECCV/CVPRおよびSCI Q1誌4本を含み、筆頭著者のESI高被引用論文2本（Top 1%）、筆頭著者のESIホットペーパー1本（Top 0.1%）を含む。
[1] LLMの事後学習 | 人間の視覚的選好との意味的アライメント
2025.10 – 2026.02筆頭著者＋責任著者 | ECCV 2026
大規模視覚言語モデル（VLM）は豊富な視覚要素を認識できるが、出力には人間の選好との系統的なずれがある。既存のアライメント手法は大量のアノテーションデータと計算資源に依存し、解釈可能性にも乏しい。視覚RAG向けの事後的概念ボトルネックによるアライメント手法（Post-hoc Concept Bottleneck）を提案。解釈可能な評価次元を自動発見し、Observer-Debater-Judgeのマルチエージェント連鎖で凍結VLMから頑健な概念スコアを抽出し、視覚・意味の混合多様体上で局所重み付きリッジ回帰により人間の評点へ較正する。さらに、エンドツーエンドの次元最適化ループにより精度と解釈可能性を同時に確保。都市景観の知覚評価で72.2%の正解率（κ=0.45）を達成し、教師ありベースラインを15.1パーセントポイント、未較正VLMを16.3パーセントポイント上回った。
論文：Zhang Y*, Zhao R, …, Shi C*. UrbanAlign: Post-hoc Semantic Calibration for VLM-Human Preference Alignment. ECCV 2026.
[2] AI4Science | マルチモーダル都市データマイニング
2021.09 – 2025.10筆頭著者ほか | Scientific Data, CVPR, AAAI, Habitat International, JAG
都市研究では、尺度の多様性、空間的異質性、変化の複雑さにより、標準化された大規模都市データセットが不足している。連続的な時空間変化を対象とした複数時点の画像解釈と空間マッチングを提案し、GloPPRUA、GloGCI、CMABを構築。過去と現在のリモートセンシング画像における解像度の劣化、輪郭のぎざつき、系統的な位置ずれに対し、解像度分布のマッチングで強化したHRNet-W48+U-Netを設計（強いぼけ条件のDiceが0.684から0.756へ向上）。RGB–Maskの4チャネルGANで敵対的損失、L1、IoU、エッジ損失を組み合わせて輪郭を整え（建物輪郭の直角率が0.398から0.624へ向上）、1 mのDPベクトル化、条件付き形態ルーティング、安全なフォールバックによって追跡可能なPolygonを生成した。同年代の複数日付による補足証拠、全体・局所の位置ずれ較正、7特徴を用いる2ラウンドの文脈マッチングを組み合わせ、時点間の関係グラフを構築。1,000都市で約1,478万件の2時点建物観測インスタンスを形成した。CMABとGloGCIはいずれもESI高被引用論文（Top 1%）に選出され、データとコードは累計79,500回ダウンロードされた。
論文：Zhang Y†, Zhao H†, Long Y*. CMAB: A Multi-Attribute Building Dataset of China. Scientific Data, 2025.
論文：Zhang Y, Tu T, Long Y*. Inferring Ghost Cities on the Globe in Newly Developed Urban Areas Based on Urban Vitality with Multi-source Data. Habitat International, 2025.
論文：Zhang Y, Zhang Q, …, Zheng H*. Urban Spatial Risk Prediction and Optimization Analysis of POI Based on Deep Learning. International Journal of Applied Earth Observation and Geoinformation, 2022.
論文：Zhang Y, Long Y*. Towards building-scale urban analytics and simulation. Building Simulation, 2026.
[3] AI4Science | 大規模モデルによる科学データ合成と制御実験
2024.09 – 現在筆頭著者／責任著者 | arXiv
生成型大規模モデルは科学データの合成に利用され始めているが、有意な関係を再現することは、実証パラメータやデータの異質性を回復すること、あるいは再現可能な実験を支えることと同義ではない。AI4USマルチモーダル評価フレームワークを提案し、Data SynthesisとConditional Interventionの2経路から、都市スケーリング、距離減衰、街区の活力、街路景観の知覚という4種類のタスクで、関係の再現、実証パラメータ／分布との整合性、制御条件への応答を統一的に評価した。結果から、GenAIは識別可能な都市の規則性を回復し、4種類すべてのタスクで安定した方向性のある応答を生成できる一方、数値のカバレッジ、局所的な変動、視覚的な多様性を系統的に圧縮することが明らかになった。さらにQwen2.5-VL-72BでProfile–Probe–Interveneによる機構分析を構築し、一部の規則性は中間表現からデコードでき、局所的な出力に影響することを検証した。
プロジェクト経験
中国国家自然科学基金の重大プロジェクト（No. 62394335）、一般プログラムの研究課題（No. 52178044）、Energy Foundationの研究課題（No. G-2306-34815）に参加。
南京信大気象科学技術研究院
2025博士課程実習 | 実習評価「優秀」
FY-4B衛星の多チャネルデータに基づき、衛星観測からレーダー反射率を推定するモデルを構築。条件付きフローマッチングにより、レーダーのカバーがない地域へのゼロショット領域間転移を実現。
独立開発
2025 – 2026オープンソースプロジェクトのGitHubスター累計1,300+ | GitHub
日々の研究・仕事で直面する課題に対し、AIメモリエコシステム、AI学習支援、エージェントオーケストレーションなどの用途を対象に、20以上のオープンソースプロジェクトを独立開発。
[1] MemoMindメモリエコシステム（個人ナレッジベース＋AIメモリシステム）｜オープンソース・スター600+
ローカルAIメモリシステムMemoMindを開発。PostgreSQL+pgvectorに基づく知識グラフサービスを構築し、意味ベクトル、BM25、グラフ探索、時間制約による4経路のハイブリッド検索を設計した。RRFによる統合とCross-Encoderの再ランキングで検索品質を向上。3階層のモデル分担によりベクトル化、エンティティ抽出、推論に基づく重複排除を行い、MCPプロトコルでエージェントに接続する。複数Bankのアーキテクチャにより、本番環境の4.3万超のノードと249万超の知識リンクを統合管理。
[2] 研究生産性ツール（AI学習支援＋エージェントオーケストレーションIDE＋AI基盤）
Human Skill Tree（514スター）、InfoHub（話題の情報を集約するプラットフォーム）などのAIツール、およびマルチエージェントオーケストレーションIDEのZyncを開発。AI API Gatewayを構築し、複数モデルのルーティング、認証、利用枠管理、デバイス間のサービス接続を統合した。
栄誉・受賞
栄誉
- 2026中国科学技術協会・若手科学技術人材育成事業の博士課程学生特別プログラム。
- 2025第13回中国大学GISフォーラム「GIS新秀」。
- 2025清華大学大学院生「学術新秀」候補。
- 2022合肥工業大学・十佳大学生。
受賞
- 2026.09清華大学・国家奨学金。
- 2025金経昌佳作論文賞。
- 2024清華大学総合優秀奨学金・一等。
- 2023第1回Global Urban Science Conference・Creativity Award。
- 2022第10回「挑戦杯」安徽省大学生起業計画コンテスト・金賞。
- 2021第7回中国国際「インターネット+」大学生イノベーション・起業コンテスト・全国銅賞。
社会活動
学術発表
- 2025中国大学GISフォーラム「GIS新秀」セッションの司会；米国地理学者協会（AAG）年次大会（デトロイト）。
- 2024ケンブリッジ大学・Applied Urban Modelling（AUM）会議。
- 2023Global Smart Cities Summit（GSCS、香港）。
- 2022都市ビッグデータ専門委員会年次大会（北京）；計算設計・ロボット製造国際会議（上海）。
学生自治活動
- 2024–2025清華大学大学院生会・体育部副部長（2024.09–2025.07）。