Universal Test-Time Training
* 共同第一作者
COLM 2026 Efficient Reasoning Workshop SpotlightNeurIPS 2026 审稿中
把测试时训练的快权重在整个网络深度上共享，而不是每层各存一份私有状态；模型因此成为一个跨（块，层）的单一递归，并在相同状态规模下提升长上下文检索能力。
关于我
我是上海交通大学计算机科学与技术专业的大四本科生（ACM 班，致远学院），目前在威斯康星大学麦迪逊分校 HuLab 做研究实习，导师是 Junjie Hu 教授。在交大，我在先进网络实验室由刘生钟教授和吴帆教授指导；此前我曾在 Audiocc 实习，由李晨达教授和钱彦旻教授指导。朋友们叫我 Hugo。
我的研究围绕大语言模型的测试时计算与高效推理：基于强化学习的后训练、推理时的推理过程控制、测试时训练与自适应。更长远地，我希望理解能带来高效、可泛化智能的计算与推断原理，并把它们推广到多种模态。
我计划申请 2027 年秋季入学的博士项目。
研究方向
- 测试时计算与测试时训练
- 大模型的高效推理与基于强化学习的后训练
- 基于快权重记忆的长上下文建模
动态
- 🎉 Universal Test-Time Training 被 COLM 2026 Efficient Reasoning Workshop 接收为 Spotlight。
- 🎉 TF-MoE 被 INTERSPEECH 2026 接收为 Oral。
- 🎉 SmartThinker 被 ICML 2026 接收。
- 加入威斯康星大学麦迪逊分校 HuLab 做研究实习，导师 Junjie Hu 教授。
- 加入上海交通大学先进网络实验室，导师刘生钟教授、吴帆教授。
- 加入上海交通大学 Audiocc 实验室做研究实习，导师李晨达教授、钱彦旻教授。
- 进入上海交通大学 ACM 班。
论文 完整列表 →
研究经历
- 威斯康星大学麦迪逊分校 HuLab2026 年 2 月至今研究实习生，导师 Junjie Hu 教授
基于 LaCT 式快权重记忆的测试时训练与高效长上下文建模，通过共享状态、稀疏路由和自适应更新让测试时记忆更可扩展。
- 上海交通大学 先进网络实验室2025 年 8 月至今
面向高效大模型推理的强化学习与后训练，包括思维链压缩和在线策略蒸馏。
通过在时间帧和梅尔频带上稀疏路由的混合专家，在不缩减容量的前提下降低语音分离模型的运行成本。
教育经历
- 上海交通大学2023 年 9 月 – 2027 年 6 月（预计）
荣誉
- 致远荣誉奖学金（上海交通大学前 5%）
最近的笔记
课程笔记与研究笔记，中文写作。