探索大模型与 Agent 的技术边界。

复旦大学 — 计算与智能创新学院

方向：大语言模型推理加速、强化学习及 Agent 架构。

南京大学 — 电子科学与工程学院

相关课程与基础学习。

多轮交互场景建模, Multi-turn RL

业务场景拆解与建模：基于 RAGEN 实现了 MetaMathQA (数学推理)、WebShop（多步规划）等经典 Agent 任务场景。通过任务成功率、轨迹多样性等指标，评估 Agent 在 Multi-turn 环境下的训练表现。 优化方案探索：创新性提出利用相邻轮次有效特征指导当前轮决策的优化方案，通过建立跨轮次的知识传递与信息重用机制，提升 Rollout 阶段的样本利用效率，显著降低多轮交互任务下的训练耗时并加速收敛。

AReaL, Rollout 算力资源优化, vLLM/SGLang, 投机解码

降本增效策略落地：针对异步强化学习高并发性与长尾延迟的痛点，提出了基于投机解码的加速方案。在保证核心训练效果无损的前提下，将 Rollout 吞吐量提升 1.2-1.5 倍，降低了 Rollout 的算力成本。 动态更新解决瓶颈：针对异步强化学习中草稿模型的滞后问题，设计了“基于自适应阈值的动态更新策略”，引入动态回退机制，保障了投机解码的接受率与训练结果的可用性。

多业务场景评测，投机解码，Spec-Bench 测评

算法部署与指标定义：构建标准化的投机解码性能评测平台，统一部署 EAGLE、Medusa 等前沿加速算法。面向数学推理、RAG、多轮对话等 6 大核心业务场景，定义端到端加速比、响应延迟等评估指标。 数据赋能业务决策：基于多维度评测数据产出各算法的性能报告，为后续不同业务场景下的投机解码算法的选择、推理成本核算提供了坚实的数据支撑与决策依据。