研究方向

研究方向主要自然语言处理与信息检索技术，具体但不限于如下方向：

1）大模型自主知识获取技术体系构建。以大模型为核心开展相关性数据合成研究，融合网页、知识库及多模态信息等丰富的外部资源，探索面向多源信息融合的相关性表示学习技术，形成面向多模态语料的向量检索、重排序以及大模型驱动的检索知识利用与检索训练方法体系，有力支持大规模语料环境下的高效检索与知识获取。依托相关研究成果，团队在美国国家标准与技术研究院组织的新冠肺炎文档级检索评测TREC-COVID第二轮任务中取得第一名，并被微软应用于其线上商业检索系统（https://blogs.microsoft.com/ai-for-business/biomedical-search/）。

2）多模态知识指导的大模型增强技术。围绕多模态数据增强机制开展系统研究，针对检索增强生成中外部知识与模型内部知识之间的冲突问题，提出多模态知识指导的大模型增强方法，通过混合知识库调度机制构建“1+1>2”的多模态检索增强融合范式；同时利用多模态大模型的OCR能力，提出首个基于纯视觉理解的检索增强生成方案，显著提升模型在复杂文档场景下的智能解析能力。相关研究成果获得谷歌、三星、Adobe等多家机构引用和应用。知名学者Yann LeCun（图灵奖获得者、美国国家科学院院士）以及Philip S. Yu（ACM/IEEE Fellow）在国际顶级会议中将该工作作为代表性研究进行评价与比较。托校企合作开展成果转化，相关研究显著提升阿里巴巴的文档智能推荐场景中推荐效果（线上A/B测试结果表明提升2.4%），并已应用于阿里巴巴ATA智能文章推荐系统线上平台，同时通过多模态知识指导大模型增强技术通过合成数据技术支持Qwen-3.5多模态基座模型训练，提升其在文档理解与智能处理方面的性能3%。

3）检索增强智能体协同优化框架。面向垂直领域数据稀缺与模型优化难题，构建检索增强生成训练一体化沙盒，实现以大语言模型为基础的数据合成与评测框架，通过数据差分奖励机制实现检索增强智能体的数据供需关系对齐，显著提升检索知识向生成能力的高效转化。依托相关研究成果，合作研发端侧大语言模型MiniCPM的检索增强生成组件，相关模型在HuggingFace平台累计下载量超过38万次。相关研究成果皆以UltraRAG开源工具形式进行发布，其为首个基于模型上下文协议的检索增强生成框架，累计获得超过5.5k星标。相关技术已成功转化应用于清华大学大模型驱动的学生AI成长助手“清小搭”中，显著提升大模型知识增强应用场景与应用范围。