近况

2026年9月28日 加入微软亚洲研究院（新加坡），担任研究实习生。
2026年9月26日 Action Shaping: Policies Absorb What They Can Express 发布于 arXiv:2609.32752。
2026年9月24日 FastDSAC: Unlocking the Potential of Maximum Entropy RL in High-Dimensional Humanoid Control 被 NeurIPS 2026 接收（共同作者）。
2026年8月20日 Reasoning Beyond Language: A Comprehensive Survey on Latent Chain-of-Thought Reasoning 被 EMNLP 2026 Findings 接收（共同作者）。
2026年6月24日 通过了香港理工大学的博士资格审核，论文题目为 Towards Efficient Reinforcement Learning via Environment Measurement and Shaping。
2026年5月22日 入围 PolyU Micro Fund 2025/26 第二轮（HK$20,000 现金奖励），并获得 HKSTP Ideation Programme 的有条件录取。
2026年3月6日 The Trace Is the State: Exact Credit Assignment for LLM Agent Teams 发布于 arXiv:2603.06859。
2025年5月22日 合著的隐式思维链推理（latent chain-of-thought reasoning）综述发布于 arXiv:2505.16782。
2025年5月15日 Unveiling the Key Factors for Distilling Chain-of-Thought Reasoning 被 ACL 2025 Findings 接收（共同作者）。
2025年1月15日 Fine-Grained and Multi-Dimensional Metrics for Document-Level Machine Translation 被 NAACL 2025 学生研究工作坊接收（合作论文）。
2024年10月9日 The Accuracy Paradox in RLHF: When Better Reward Models Don’t Yield Better Language Models 被 EMNLP 2024 接收。