Tianyu Wang (王天予)

我是王天予，苏州大学软件工程本科生，将于 2027 年 9 月进入东南大学攻读软件工程硕士。研究与工程兴趣集中在多模态大模型后训练、强化学习和多智能体等方面，目前寻求相关实习机会。

📖 Educations

参与多模态 UI 推理模型对齐，基于 verl 搭建后训练与实验链路。在 Qwen3 系列 32B 教师模型和 4B 学生模型上开展定位感知 SFT、GRPO 与OPD；结合 reverse-KL、JSD 等损失函数，在学生模型采样轨迹上对齐输出行为与因果注意力；参与提出注意力蒸馏等UI特化OPD改进方案。
参与 4B／32B 模型的多卡训练、实验复现和结果分析，在 16×A100 环境完成训练与 benchmark 评测；围绕 SFT、RL、OPD 和注意力蒸馏开展消融实验，量化各阶段对模型性能的贡献。
负责 UI 数据集清洗、评测集整理和模型评测。4B 模型在该数据集上提升 33.4 个百分点，超过未经后训练的 32B 模型（80.2%）；引入注意力蒸馏后，较原版 OPD 进一步在 OSWorld-G、UI-Vision 上提升9.1个百分点和11百分点。

参与某研究所 127 个机器学习算法集成平台建设，在 NVIDIA 环境复现传统机器学习算法，并在 Ascend 910 上适配、修改并重新训练 FairMOT 等视觉模型。
参与江苏路政道路异物识别系统数据链路开发，处理约 7 万张道路场景图片，完成视频关键帧抽取、YOLO 自动预标注与数据整理。

Wang, T., & Wu, T. (2026). AutoConcept: Training-Free Concept-Guided Reranking for Metadata-Available Composed Image Retrieval. PRICAI 2026.

提出面向组合图像检索（CIR）的 training-free concept-guided reranking 方法，构建显式正负偏好 concept memory，通过视觉特征过滤、相关性门控与自适应插值实现偏好感知重排序。

Wang, T. (2026). AMEND: Constraint-Guided Multi-Agent Text Detoxification with Isolated Critics. Technical report.

设计面向文本安全对齐的 multi-agent / multi-critic 降毒框架，通过 toxicity、semantic preservation、fluency、safety 等 critic 对候选响应进行闭环反馈与 reranking，在降低有害表达的同时约束语义保持与生成质量。

大模型后训练：SFT、GRPO、OPD、奖励驱动训练、verl、多卡训练、rollout、benchmark 评测与消融实验。
编程与多模态：Python、C/C++、PyTorch、VLM、GUI grounding、模型迁移及视觉数据处理；GitHub 100+ Stars & 100+ Followers。
课程与基础：CS336、CS224N；Transformer、LLM 预训练与后训练、NLP 基础。
CSP：370（前 1.34%）
CET-6：659