English
打印 / 存为 PDF
许迅
github.com/seanxunx
微信: SeanXunX
seanxunx@outlook.com
23307130122@m.fudan.edu.cn
个人概要
复旦大学计算机本科生，研究方向为 LLM 后训练、自进化智能体与智能体记忆。第一/共同第一作者工作获 EMNLP 2026 录用、投稿至 ICLR 2027；曾在港科大、NUS LV Lab、复旦 FVL Lab 开展研究，具备 LLM 训练方法、记忆系统及智能体工作流的开发与评估经验。
学术发表
Who Teaches Which Token? Verifier-Gated Multi-Expert On-Policy Distillation
第一作者
已投稿至 ICLR 2027
提出
VG-OPD
，一种验证器门控的多专家同策略蒸馏框架，依据各评判标准下的专家增益，路由专家监督哪些 token。
引入 token 级监督，通过教师与学生的分歧定位专家指导，并在 GRPO 中按评判标准的重要性进行加权。
在七项科学推理基准上，4B 与 8B 模型均取得最佳综合表现，且两个规模均在五项基准上排名第一；消融实验表明，精准定位经验证的监督信号是性能提升的关键。
OPD-Evolver: Cultivating Holistic Agent Evolver via On-Policy Distillation
共同第一作者
EMNLP 2026 录用
提出
OPD-Evolver
，一种快慢双轨协同进化框架，训练智能体通过经验实现自我进化，而非仅存储或检索经验。
构建四级记忆层次结构以支持快速测试时进化，通过结果校准归因与基于特权事后信息的蒸馏来学习经验选择、执行、写入及记忆库维护。
在多领域基准上评估，在所报告的实验设置下超越 ReasoningBank 和 Complementary RL；OPD-Evolver-9B 进一步展现出与更大规模模型（如 Qwen3.5-397B-A17B、Step-3.5-Flash）相媲美的性能。
科研经历
研究助理 @ 香港科技大学
2026.07 - 2026.09
导师
张载熙教授
· 后训练、强化学习与同策略蒸馏
开发面向大语言模型科学推理的验证器门控多专家同策略蒸馏框架，实现评判标准级专家路由与 token 级监督。
开展实验，评估所提框架在提升大语言模型推理能力方面的有效性。
研究实习生 @ 新加坡国立大学 LV Lab
2026.03 - 2026.07
导师
颜水成教授
· 自进化智能体、智能体记忆与 Agentic RL
研究自进化智能体、智能体记忆与 agentic RL，聚焦于经验选择、可复用知识更新以及工具辅助的任务改进。
搭建基线实验，将智能体强化学习与记忆系统文献梳理为两条耦合主线：动作-策略学习与记忆操作设计。
设计可复现的评估闭环，将策略行为、记忆更新与下游任务成功关联起来，对学习信号与记忆操作进行可控消融实验。
研究实习生 @ 复旦大学 FVL Lab
2025.06 - 2025.09
导师
丁恒辉教授
· 长上下文 LLM 推理中的隐式记忆
提出 G-MemLLM，一种门控隐空间记忆增强框架，通过 GRU 风格记忆更新将冻结的 LLM 骨干网络与可训练的持久记忆槽耦合，用于长上下文推理。
设计记忆编码、交叉注意力检索及隐状态整合流水线，并对记忆保持、覆盖动态及多跳推理一致性进行可控消融实验。
Agent实习生 @ 小红书
2025.11 - 2026.02
设计集群诊断 LLM AIOps 智能体工作流，将任务分解、工具选择、观察解析与证据驱动推理应用于生产基础设施。
优化 Function Calling 模式定义、诊断提示词、API 编排与回退策略，提高工具调用可靠性与集群诊断可审查性。
教育背景
复旦大学
计算机科学与技术 本科
均分 93/100 · GPA 3.7/4.0
TOEFL 105
2025-2026 学年优秀学生奖学金
2023.09 - 2027.06