2026.11 · SLE
发布 Science's Last Exam (SLE)：在真实科研全流程上挑战并度量 AI 智能体的评测基准，涵盖六项科学能力与一项端到端科研评估，共 113 个任务、九个学科。代码 · 数据 · 排行榜
地址：北京市海淀区颐和园路5号，北京大学静园六院218
ARTIFICIAL INTELLIGENCE · AGENTS · REINFORCEMENT LEARNING
Ling Yang 杨灵
北京大学国际机器学习研究中心助理教授（PI）、研究员、博士生导师
面向下一代大语言模型与智能体学习、进化与发现的基础设施
2028 Fall 招生 · Now Recruiting
2028 Fall 硕士生、博士生招生进行中：每年招收 3 名硕士生、4–6 名博士生；博士后与研究实习生（线下为主，3-6个月）长期开放。欢迎积极主动、具有较强研究驱动力的同学联系：yangling0818@163.com
Now recruiting master's and Ph.D. students for Fall 2028: 3 master's and 4–6 Ph.D. students each year; postdoc and research intern positions (online / on-site, 3+ months) are open year-round. Highly motivated applicants are welcome to email yangling0818@163.com.
杨灵，现任北京大学国际机器学习研究中心助理教授（PI）、研究员、博士生导师。曾担任普林斯顿大学 ECE / Princeton AI Lab 博士后研究员，博士毕业于北京大学。当前主要研究 LLMs / Agents、Recursive Self-Improvement (RSI) 与 Discovery Intelligence。在北京大学创立 Discovery Intelligence Group (DIG，发现智能课题组)，并建立横跨 Stanford、Princeton 与 Oxford 的 Gen-Verse 开源研究社区，相关项目在 GitHub 与 Hugging Face 累计达到千万级使用量。累计发表论文 70 余篇，成果发表于 NeurIPS、ICML、ICLR、CVPR、ACL 等国际人工智能与机器学习顶级会议，多项工作获得 Spotlight（Top 3%）、Oral（Top 1%）和 Best Paper Award。欢迎学术界与产业界开展科研合作。
Ling Yang is an Assistant Professor (PI), Researcher, and Ph.D. advisor at the Center for Machine Learning Research (CMLR), Peking University. He was previously a Postdoctoral Researcher in ECE / Princeton AI Lab at Princeton University and received his Ph.D. from Peking University. His research focuses on LLMs / Agents, Recursive Self-Improvement (RSI), and Discovery Intelligence. He founded the Discovery Intelligence Group (DIG) at PKU and built Gen-Verse, an open-source research community spanning Stanford, Princeton, and Oxford, whose projects have reached tens of millions of cumulative uses across GitHub and Hugging Face. He has published 70+ papers at leading AI and machine learning venues, including NeurIPS, ICML, ICLR, CVPR, and ACL, with several works receiving Spotlight (Top 3%), Oral (Top 1%), and Best Paper Award recognition. Academic and industrial collaborations are welcome.
Discovery Intelligence Group (DIG)
本组面向下一代 Discovery Intelligence，探索模型如何从被动问题求解器演化为能够学习、交互、自我改进与发现的智能系统。研究覆盖 LLM / Agent Post-Training、RL Systems / Infrastructure、Recursive Self-Improvement 和 AI for Discovery。
代表性研究系统
1. 大语言模型：Buffer of Thoughts、ReasonFlux、ReasonFlux-Coder、ReasonFlux-PRM、OmniVerifier
2. Agent系统：OpenClaw-RL、GenEnv、LatentMAS、Recuris
3. 强化学习：RLAnything、MMaDA、TraceRL
4. 发现智能：DFM、ScienceBuddy、ScienceIDE、JEPA-Anything、RSI-Anything、DiscoveryRSI、Science's Last Exam
荣誉与奖励
WAIC 云帆奖·明日之星、斯坦福全球前2%顶尖科学家、KAUST Rising Star、ByteDance Top Seed 顶尖人才计划。
学术服务
担任 ICML、ICLR、NeurIPS Area Chair (领域主席)，以及 Nature、IEEE TPAMI 等国际顶级期刊审稿人。
研究方向
我的研究关注如何让基础模型从静态的问题求解器，逐步发展为能够长期训练、稳定交互、持续自我改进，并最终参与开放式发现的智能系统。当前研究主要围绕四个相互连接、但各自可以形成独立研究体系的大方向展开。
01
LLM / Agent Post-Training
研究面向大语言模型与智能体的后训练范式，包括 reasoning、agentic behavior、reward / verifier、process supervision、long-horizon credit assignment、environment interaction 与 generalization。重点关注如何让模型在复杂任务与真实交互环境中形成可迁移、可扩展的推理与行动能力。
02
RL Systems / Infrastructure
研究支撑大规模强化学习与 Agent 训练的统一系统与基础设施，包括异步训练、长程 rollout、multi-environment training、trajectory management、policy lag、distributed inference / training，以及面向 100+ step agent tasks 的训练稳定性与效率。
03
Recursive Self-Improvement
研究智能体如何通过经验、记忆、技能、数据和环境反馈不断改进自身，而不仅依赖一次性的参数更新。重点探索 Environment–Policy Co-Evolution、skill / memory evolution、active exploration，以及通过科研交互实现 agent harness 与模型学习的递归协同改进。
04
Discovery Intelligence
研究超越“给定问题—求解答案”的基础模型新范式：模型需要主动发现和定义问题，构造或修正变量与表征，形成假设，设计干预与实验，并根据外部证据持续修正研究过程。目标是构建能够参与真实科学与开放式发现过程的通用模型系统。
近期动态
2026.10 · DISCOVERYRSI
发布 DiscoveryRSI：从科研假设的迭代与关键贡献中学习，递归优化研究模型和智能体工作流。代码 · 模型
2026.10 · RSI-ANYTHING
发布 RSI-Anything：利用世界模型预测与交互反馈，推动计算与科学领域的递归自我改进。代码
2026.09 · SCIENCEBUDDY
发布 ScienceBuddy：通过科研交互，递归改进 agent harness 与模型的科学智能体。代码 · 在线体验
2026.09 · DFM
发布 Discovery Foundation Models 技术报告，提出面向开放式发现的七项核心能力与 Zetema 参考架构。研究版图
RECRUITING
2028 Fall 招生进行中，长期招收 硕士生、博士生、博士后与线上 / 线下研究实习生，方向包括 LLM / Agent Post-Training 与 Infra、Physical AI、AI for Discovery。欢迎邮件联系。
2026 · AWARD
获 2026 WAIC 云帆奖，全球 15 位入选者之一。[链接]
ICML 2026
6 篇论文接收（含 1 篇 Spotlight），覆盖 LLM、Agent 与多模态强化学习，包括 RLAnything、AutoTool 与 LatentMAS。
RELEASE
发布 OpenClaw-RL（Code）：全异步 RL 框架，在对话、终端、GUI、SWE 与工具调用等真实场景中，用实时 next-state 信号训练个人与通用智能体。HuggingFace Daily Papers 第 1 名。
CVPR 2026
2 篇论文接收，方向为多模态强化学习。
ICLR 2026
4 篇论文接收，覆盖 LLM 与 Diffusion Language Models，包括 TraceRL & TraDo、OmniVerifier Oral · Top 1%、MMaDA-Parallel 与 UltraViCo。
RELEASE
发布高效智能体推理与 agentic training 系列工作：LatentMAS、RLAnything 与 GenEnv。
AWARD
AutoTool 获 ICCV 2025 MMRAgI Workshop Best Paper Award。
TALK
受邀在 ICCV 2025 Workshop on Multi-Modal Reasoning for Agentic Intelligence 作报告。
NeurIPS 2025
5 篇论文接收，覆盖 LLM 与多模态 LLM，包括 MMaDA、CURE & ReasonFlux-Coder Spotlight · Top 3%、ReasonFlux-PRM、Transformer-Copilot Spotlight · Top 3% 与 HermesFlow。
EMNLP 2025
3 篇论文接收，覆盖 LLM 与 Agent，其中 EmoAgent 为 Oral · Top 1%，另含 TreeBoN。
ACM MM 2025
2 篇 diffusion 论文接收：Inversion-DPO 与 EditWorld。
2025 · AWARD
入选 2025 WAIC 云帆奖 Finalist。
WAIC 2025
受邀参加 WAIC 2025 圆桌论坛，由 林达华 教授主持。
ICCV 2025
2 篇论文接收，覆盖 agent 与 diffusion，其中 ScoreLiDAR 为 Oral · Top 1%，另含 Paper2Video Agent。
ACL 2025
1 篇 LLM 论文接收：Multi-Actor Collaboration。
SERVICE
受邀担任 NeurIPS 2025 Area Chair。
ICLR 2025
6 篇论文接收，覆盖 LLM 与 Diffusion Models，包括 SuperCorrect、Rectified Diffusion、IterComp 与 IPDreamer。
TALK
受邀在 Princeton AI Lab 作报告，由 王梦迪 教授主持。
NeurIPS 2024
5 篇论文接收，覆盖 Diffusion Models 与 LLM，其中 Buffer of Thoughts 为 Spotlight · Top 3%。
ICML 2024
2 篇论文接收，覆盖 Diffusion Models 与 AI for Science。
TKDE 2024
1 篇论文接收，方向为通用 / 分子图扩散模型。
CVPR 2024
1 篇论文接收，方向为 DiT、DDPM 与 Score SDE 的改进训练算法。
ICLR 2024
3 篇论文接收，覆盖 Diffusion Models、GNN 与 AI for Science。
AAAI 2024
1 篇论文接收，方向为分子扩散模型。
ACM CSUR
与 OpenAI 合作的扩散模型综述被 ACM Computing Surveys 接收。
NeurIPS 2023
1 篇扩散模型论文接收。
BOOK
出版《扩散模型》专著（电子工业出版社），并获评年度优秀作者。
TNNLS 2023
1 篇论文接收。
TKDE 2023
1 篇论文接收。
ICML 2022
2 篇论文接收为 Spotlight · Top 3%。
CVPR 2020
1 篇论文接收。
← 横向拖动或滚动查看全部 36 条动态 →
代表论文
TECH REPORT
DiscoveryRSI: Recursively Learning to Discover Valuable Hypotheses
TECH REPORT
RSI-Anything: Unlocking Recursive Self-Improvement with World Models
TECH REPORT
Discovery Foundation Models: Toward Open-Ended Discovery Intelligence
TECH REPORT
ScienceBuddy: Recursive-in-Recursive Self-Improvement for Interactive Scientific Agents
TECH REPORT
ScienceIDE: Turning World's Scientific Codebase into Agent Learnable Environments
TECH REPORT
JEPA-Anything: Learning Predictive Models across Different Worlds
Preprint
Recuris: Recursive Experiential–Working Memory Evolution for Long-Horizon Agent Harnesses
ICML 2026
RLAnything: Forge Environment, Policy, and Reward Model in Completely Dynamic RL System
ICML 2026Spotlight · Top 3%
Latent Collaboration in Multi-Agent Systems (LatentMAS)
TECH REPORT
OpenClaw-RL: Train Any Agent Simply by Talking
ICLR 2026
Revolutionizing Reinforcement Learning Framework for Diffusion Large Language Models (TraceRL)
NEURIPS 2024Spotlight · Top 3%
Buffer of Thoughts: Thought-Augmented Reasoning with Large Language Models
NEURIPS 2025
MMaDA: Multimodal Large Diffusion Language Models
PREPRINT
ReasonFlux: Hierarchical LLM Reasoning via Scaling Thought Templates
NEURIPS 2025Spotlight · Top 3%
Co-Evolving LLM Coder and Unit Tester via Reinforcement Learning (ReasonFlux-Coder)
NEURIPS 2025
ReasonFlux-PRM: Trajectory-Aware PRMs for Long Chain-of-Thought Reasoning in LLMs
ICML 2024
Mastering Text-to-Image Diffusion: Recaptioning, Planning, and Generating with Multimodal LLMs
加入我们
招收对前沿 AI 真正有追求的学生
每年招收 3 名硕士生、4–6 名博士生；博士后和研究实习生长期开放，研究实习时长需为 3 个月及以上。
研究实习支持线上或线下，重点方向包括 LLM / Agent Post-Training、Reinforcement Learning、Self-Improving Agents 与 AI for Discovery。
MasterPhDPostdocResearch Intern
Frontier Problems直接面向前沿模型与 Agent 的核心研究问题。
Strong Mentorship从执行研究逐渐训练到独立定义问题与领导方向。
Open-source Impact研究成果强调 paper + system + community 的共同影响。
Global Network与 Stanford、Oxford、Princeton、PKU 及国际学术团队保持广泛合作。