宾州州立大学博士徐思渊入职港中深，一作论文曾入选NeurIPS Spotlight！

徐思渊本科毕业于西安交通大学电气工程及其自动化专业，2026年获宾夕法尼亚州立大学电气工程与计算机科学博士学位，师从Minghui Zhu教授。读博期间，他曾在亚马逊Rufus团队实习，开发基于强化学习的后训练与可验证数据合成流程，提升大语言模型调用工具的能力。

在入职港中深之前，他还在字节跳动担任应用科学家实习生，参与视觉语言模型在视频生成与编辑任务中的智能体能力训练。

徐思渊的研究首先关注的是强化学习中的一些基础问题：当智能体面对新的任务时，能否利用已有经验快速适应？如果学习过程还受到安全约束，又该如何兼顾效率与可靠性？

2023年，他围绕在线约束元学习展开研究，相关论文入选NeurIPS并获 Spotlight（Top 3.6%）；另一项关于约束双层优化中的高效梯度近似方法的工作入选2023 AAAI Oral。

此后，他继续研究安全元强化学习，探索智能体如何在有限数据下适应新任务，同时满足过程中的安全要求。

这些工作背后有一个共同问题：智能体不仅要学会完成任务，还要知道怎样更有效地学习，以及如何在变化的环境中保持可靠。 

随着大语言模型的发展，徐思渊的研究进一步延伸到大模型后训练与对齐。

相比预训练阶段从海量数据中学习语言规律，后训练更直接地涉及如何利用偏好、奖励和交互反馈调整模型行为。他参与的研究包括基于人类反馈的可解释强化学习、群体偏好奖励，以及迭代偏好优化等方向。

其中发表在2026 TMLR的相关工作，研究的是如何通过近端策略正则化开展迭代偏好优化，聚焦大语言模型对齐中的优化问题。这与他此前的强化学习研究形成了自然衔接：无论面对传统智能体还是大语言模型，如何设计学习机制、利用反馈改善策略，都是重要的研究问题。

上述研究也让他获得了宾夕法尼亚州立大学多项荣誉与奖励，包括2025年研究生论文发表优秀奖和2026年以荣休教授 C. Russell Philbrick 冠名的优秀研究助理奖。

如果说博士阶段解决的是"智能体怎样学会学习"，那么加入港中深后，徐思渊要回答的下一个问题是"智能体怎样持续变强"。

围绕这个问题，他的研究方向聚焦在强化学习理论与算法设计、面向大模型训练的强化学习、AI 智能体与自我提升 AI，以及具身智能与机器人学习。