哈尔滨工业大学 SCIR 博士生 · Data-centric LLM Training
哈尔滨工业大学 SCIR 博士生，导师为刘挺教授、丁效教授。研究主线聚焦 Data-centric LLM Training，围绕训练数据在预训练、Mid-train、SFT、RL 与 Agent 训练中的价值评估、选择机制与阶段协同开展研究。当前求职方向为 大模型后训练 / General Agent，关注后训练数据协同、CoT 优化、奖励优化与智能体能力迭代。
研究围绕 Data-centric LLM Training 展开，关注训练数据、训练信号与模型能力之间的关系。相关工作覆盖预训练数据归因、SFT 数据选择与泛化、RL 数据优化、奖励目标协调和 Agent 训练数据协同，目标是建立跨训练阶段的数据价值评估与训练优化方法，为后训练和 General Agent 场景的能力迭代提供方法支撑。
博士阶段研究围绕 Data-centric LLM Training 展开，关注训练数据在不同训练阶段中的作用机制。以下第一作者论文形成了跨训练阶段的研究主线：从预训练数据归因、SFT 数据选择与泛化分析，到 RL 数据选择、奖励目标协调和 Agent 训练阶段的数据协同。
基于梯度集中性分析刻画不同数据在能力巩固与行为适配中的作用，为 Agent 训练中的数据配比与阶段协同优化提供依据。
提出基于元学习的自适应标量化估计方法，动态建模多奖励目标之间的权衡关系，提升后训练阶段多目标奖励优化的灵活性与稳定性。
面向 RL 阶段训练成本高、样本利用率低的问题，提出基于不确定性的训练数据选择框架，以更少训练数据实现可比或更优的强化学习效果。
提出基于梯度图的指令微调数据选择方法，建模指令数据间的深层依赖关系，提升数据选择效率与模型性能。
从注意力头激活模式视角分析 SFT 快速泛化机理，为缓解高质量数据稀缺提供依据。
提出基于机器遗忘的数据影响分析框架，定量刻画预训练数据子集对大模型能力的影响。
参与作者 · arXiv 2026 · General Agent
参与作者 · ACL 2024 Outstanding Paper · LLM Safety / Debiasing
Co-author · ICLR 2026
Co-author · ACL 2026 Findings
Co-author · Neural Networks
Co-author · arXiv preprint
Co-author · Technical Report
Co-author · Technical Report
长期研究训练数据在预训练、Mid-train、SFT、RL 与 Agent 训练阶段中的价值评估、选择机制与协同关系，关注跨阶段的数据功能分工、能力继承与训练信号协同。
结合机器遗忘、梯度关系建模、注意力头激活模式、不确定性估计、梯度集中性分析与奖励标量化等方法，分析不同数据和训练信号对模型能力形成、泛化迁移与阶段协同的作用机制。
关注复杂推理、数学、代码、复杂指令与长链路任务执行能力的形成机制，具备 CoT 数据构建、推理链质量评估、退火训练策略设计和复杂能力评测经验。
关注 Agent 场景下的工具调用、可验证任务构建、长链路任务执行与 SFT/RL 数据协同，参与真实工具环境与 General Agent 能力迭代相关的数据和实验工作。