JOIN US.

我主要关注大语言模型训练（LLM Training）与递归自我改进（RSI），重点探索现代预训练和 Agentic RL。在 Agentic RL 方向，我关注模型如何通过工具调用、多轮环境交互和长轨迹探索学习完成复杂任务，尤其是奖励设计、信用分配与策略更新。对于 RSI，我希望进一步理解模型能否参与改进自身的数据、训练方法与评估流程，并形成可验证、可持续的自我改进闭环。最后，致敬我半年前失之交臂的军旅梦。