小红书
大模型算法实习生 · 基础模型团队 · 2026.03–2026.08
- 评测框架：搭建统一的自动化评测流程，支持结果对齐、问题定位和可视化分析。
- 指令遵循：构建指令集合、验证器和数据合成流程，开展可验证强化学习。
- 安全对齐：建设风险识别、拒答和安全回答能力。
- 搜索理解与记忆：构建个性化标签与意图理解模型，完善记忆更新机制。
- MOPD 合版：把通用、业务、智能体和视觉能力融合进不同尺寸的主线模型。
蒋功耀 Gongyao Jiang
蒋功耀 Gongyao Jiang
个人介绍 · 2026
开始浏览香港科技大学（广州）博士生 · 自然语言处理与大模型
1 / 14实习经历
智谱AI
NLP 算法实习生 · 聆心智能团队 · 2023.06–2023.11
- 数据处理：收集和处理预训练及后训练数据。
- 合成与蒸馏：用大模型合成数据并进行知识蒸馏，提升社会与情感智能。
- 文档问答：反向合成训练数据、训练模型、维护知识库，优化 RAG 和查询改写。
评测框架
搭建统一的自动化评测框架，支持一键运行评测、对齐结果、定位问题和可视化分析。
问题
评测散落在各团队与脚本中，指标口径不一致，失败样本难以归因，迭代反馈周期长。
细节待补充：原有流程的具体瓶颈
做法
统一评测入口与指标口径；结果对齐与差异定位；可视化分析面板；评测结果回流数据建设。
细节待补充：框架架构、覆盖的 benchmark 类型、对齐与定位机制
结果
框架支持数十个 benchmark，评测结果可用于数据建设和后续训练。
细节待补充：迭代周期缩短幅度、覆盖团队规模
指令遵循
分析模型在指令遵循方向的能力边界，构建指令集合、验证器与自动化数据合成链路；结合训练结果持续发现失败模式并反哺数据，并设计可验证的 RL 进行针对性优化。
问题
复杂约束下的指令遵循失败模式分散，缺少可验证信号，数据改进缺少方向。
细节待补充：能力边界的分析方法与主要失败模式
做法
指令集合与验证器构建；自动化数据合成链路；失败模式回流反哺数据；可验证 RL 针对性优化。
细节待补充：验证器设计、数据规模与配比、RL 奖励设计
结果
训练后，模型在 IFBench 上提升超过 20 个百分点。
细节待补充：其他榜单表现与训练配置
安全对齐
AI 搜、问一问等场景的内容安全能力建设，覆盖风险识别、拒答边界与安全回答策略优化，并推进基础模型公开安全 benchmark 的评测与优化。
问题
风险识别存在误判与漏判，拒答边界模糊，安全场景下的回答质量不足。
细节待补充：风险分类体系与业务场景差异
做法
实验分析与数据建设；拒答边界与安全回答策略优化；SFT + RL 训练；公开安全 benchmark 评测。
细节待补充：数据构成、SFT 与 RL 的配比
结果
离线人工标注集上的拒答准确率达到 99.7%。公开安全 benchmark 得分比基础模型平均高约 3 个百分点。
细节待补充：benchmark 列表与分项结果
搜索理解与记忆
基于用户搜索与交互行为构建个性化标签与意图理解模型，并建设个性化记忆的治理与更新能力，支撑用户建模与搜索增强落地。
问题
搜索场景需要用户级个性化与长期记忆，冷启动缺少标签，记忆的写入与更新缺少治理机制。
细节待补充：标签体系与记忆更新的难点
做法
蒸馏 + 改写的数据构建方式；SFT + RL 两阶段训练；个性化记忆的治理与更新策略。
细节待补充：标签维度、记忆更新与冲突消解规则
结果
个性化与意图理解能力落地到搜索场景，人工评估准确率达 85+。
细节待补充：线上收益与评测集构成
MOPD 模型合版
基于多教师在线策略整理（MOPD）推进模型合版，整合通用能力线、业务专有能力线、agentic 能力线与视觉能力线的多教师能力，并在 27B / 35B / 122B / 397B 多尺寸主线模型上落地。
问题
多条能力线并行迭代后需融合进统一主线模型，直接合版会造成能力互相损耗。
细节待补充：合版前的能力冲突现象
做法
多教师在线策略整理；通用、业务、agentic、视觉四条能力线整合；多尺寸模型同步落地。
细节待补充：MOPD 的蒸馏目标、教师权重与训练策略
结果
各尺寸合版模型的表现接近相应教师模型。
细节待补充：四个尺寸的分项结果
智谱AI · 聆心智能团队
NLP 算法实习生 · 2023.06 – 2023.11
围绕大语言模型的社会智能、情感智能与文档问答能力，做数据处理、数据合成与知识蒸馏。
数据处理
预训练与后训练数据的收集、清洗与处理。
细节待补充：数据规模与清洗规则
合成与蒸馏
利用大语言模型进行数据合成与知识蒸馏，提升小模型的社会与情感智能。
细节待补充：合成任务设计与蒸馏目标
文档问答
反向合成训练数据、模型训练、知识库构建与维护、RAG 优化与 Query 改写。
细节待补充：知识库规模、RAG 与改写的收益
学术访问
两段研究访问，分别对应情感支持回应训练与心智理论评测两项工作。
HKUST HCI Initiative
访问学生 · 2025.09 – 2026.01 · 导师：麻晓娟（Xiaojuan Ma）
人机交互方向，情感支持回应训练系统（ESR-Coach，IUI 2026）的研究起点。
细节待补充：访问期间的具体分工与产出
清华 CoAI Lab
研究实习 · 2023.05 – 2023.12 · 导师：黄民烈（Minlie Huang）
社会智能方向，心智理论评测基准（ToMBench，ACL 2024）的主要工作。
细节待补充：承担的具体模块
论文 · 四个研究方向
数据合成 × 多模态后训练 3 篇 · CG-OPD（在审） / Chart-EARL / Chart-CoCa
多智能体协作与自进化 3 篇 · NAACL 2025 / IUI 2026 / NAACL 2027 在审
大模型评测 2 篇 · ACL 2024 / AAAI 2027 在审
对话与社交内容分析 4 篇 · CL 2024 / ACL 2023 Findings / IPM 2022 / ECAI 2020
已发表 9 篇（一作 1A + 6B），另有 3 篇在审。
数据合成 × 多模态后训练
围绕图表理解与视觉分子理解，研究数据合成、可验证强化学习和在线策略蒸馏。
NAACL 2027 在审
CG-OPD: Composition-Guided On-Policy Distillation for Visual Molecular Understanding
用元素组成引导在线策略蒸馏，自适应平衡多教师蒸馏与真实答案监督，减少教师错误传播，提升视觉分子理解能力。
EMNLP 2026 Findings一作
Chart-EARL: Improving Chart Reasoning of Vision LLMs via Early Anchoring in RL
发现图表推理错误出现在早期视觉阶段，将早期视觉从推理轨迹中解耦，用可验证强化学习针对性增强视觉信息捕捉。
CIKM 2025一作
Chart-CoCa: Self-Improving Chart Understanding via Code-Driven Synthesis
以代码作为图表与问答的结构化中间表示，构建确定性合成链路；候选答案辅助的纠错生成实现 test-time scaling。
多智能体协作与自进化
核心问题：让多个模型分工扮演角色，形成“模拟—反馈—改进”的闭环。
NAACL 2025一作
JRE-L: Journalist, Reader, and Editor LLMs in the Loop for Science Journalism
面向科普写作的多智能体自改进框架：模拟编辑与读者生成可读性反馈，形成迭代式写作优化闭环。
ACM IUI 2026一作
ESR-Coach: Training People to Provide Emotionally Supportive Responses
多模型协作构建“模拟—示例—反馈”闭环，分工承担情境模拟、回应示范与反馈指导，训练用户给出情感支持型回应。
NAACL 2027 在审一作
ChemisTRAG: Table-based Retrieval-Augmented Generation for Chemistry QA
基于表格的 RAG 范式（知识库、结构化检索、多 LLM 推理），解决知识检索与推理中的化学表示对齐难题。
大模型评测
核心问题：模型的社会认知与专业推理能力，如何被系统地度量。
ACL 2024合作
ToMBench: Benchmarking Theory of Mind in Large Language Models
系统性、多维度的心智理论评测基准，度量模型的社会智能与认知能力。
AAAI 2027 在审三作
ChemThinkBench: Evaluating Fine-Grained Chemical Thinking Abilities of LLMs
评估大模型在复杂（多模态、多步、大学难度）化学推理问题上表现的细粒度基准。
工程延伸占位
从论文 benchmark 到工业界评测框架
评测方法学在小红书评测基建中的延续。细节待补充。
对话与社交内容分析
起点：从短文本与对话结构理解社交内容，研究谱系的来处。
CL 2024学生一作
LLM-Assisted Data Augmentation for Chinese Dialogue-Level Dependency Parsing
考虑对话层次结构的多层次数据合成，增强对话场景的语义分析。
ACL 2023 Findings一作
A Pilot Study on Dialogue-Level Dependency Parsing for Chinese
首个对话级别句法分析数据集；低资源场景下对话结构分析的有效方法。
IPM 2022一作
Fake News Detection via Knowledgeable Prompt Learning
首次将提示学习应用于虚假新闻检测，以知识图谱实体表示辅助分类。
ECAI 2020二作
Document and Word Representations by GCN and BERT for Short Text Classification
主题模型 + GCN + BERT 缓解短文本稀疏性，显著提升分类表现。