信息来源：中国人民大学信息学院 发布日期：2026年6月10日

在小说阅读器读本章去阅读在小说阅读器中沉浸阅读个人介绍

董谨豪，山东烟台人。本科毕业于西安电子科技大学计算机学院软件工程专业（2016—2020），博士毕业于北京大学信息科学技术学院/计算机学院计算机软件与理论专业（2020—2025），师从郝丹老师。博士期间，他曾于2023年至2024年在新加坡国立大学计算机学院担任访问学者，研究可信代码生成与合并冲突解决。2025年8月加入中国人民大学数据工程与知识工程教育部重点实验室担任讲师，研究方向为Code Agent、通用Agent、代码大模型。

截至目前，他已在ICML、NeurIPS、KDD、ICSE、ASE等CCF-A类顶级会议及期刊发表论文17篇，其中第一作者/通讯作者11篇。同时，他担任小米大模型Core团队技术顾问，是小米MiMo系列大模型的核心贡献者，筹建中国人民大学—小米基座大模型联合重点实验室的主要贡献者之一。

一

从敢做开始

很多科研兴趣的起点，并不来自于宏大的理想，而是来自某个具体的问题。董谨豪对研究的兴趣，起源于大一的一个夜晚。当时他在使用Git合并代码时遇到了一次棘手的冲突，为此他花了整整一个晚上的时间来解决。第二天上课时，老师恰好提到：“目前软件工程领域很多基础问题，用学习方法解决得还很初级。”那一刻他忽然意识到，自己花费数小时解决的问题，或许正是为他量身定制的值得研究的问题。

回望本科时期，董谨豪认为最关键的特质是“敢做没做过的事”。那时大三的他第一次进入实验室接触科研，并开始尝试半监督学习方向的研究，最终将成果送上了NeurIPS 2019的舞台——那是他科研路上的第一篇顶会。相比于荣誉本身，这份经历更重要的意义在于打破了他心理的围墙，“原来本科生也能做出被国际同行认可的研究”。与此同时，他也逐渐形成自己“行动派”的科研风格：idea只有落在代码里跑出数才作数。

带着这份信念，他进入北大攻读博士。在博士初期一年多的时间里，他也曾经历过一段“沉默期”，idea被反复推倒重来，论文投稿也并非一帆风顺。但相比于停留在焦虑与迷茫中，他选择通过行动来解决问题。“要先行动起来，焦虑时最好的解药是动手，很多事情看着难，做起来就一步一步往下走了”。此外，面对心态的波动，他提出“多元布局”的策略，“不要把所有鸡蛋放在一个篮子里。在推进一个工作的同时，思考下一个方向、关注领域最新进展，这样一篇论文被拒，手里还有其他正在推进的项目，心态就能很快调整过来。”

从代码变更理解、合并冲突解决，到代码生成、代码大模型，再到通用Agent，“让代码可信”这条主线始终贯穿着他的整个博士阶段。

二

科研方法论

当被问到支撑他持续高效产出的科研习惯时，董谨豪给出了三个关键词——迭代、评估、聚焦。

在他看来，好研究是靠不断迭代逼近出来的。所谓“迭代”，就是不要过分追求一开始就得到完美答案，而是有一个大概的idea后快速地落地实施，在实现和实验中激发灵感。

“评估”则是他在选择方向时的风险过滤器。在每一个研究方向面前，他都会冷静考量实现的复杂度与理论的可行性，审慎选择高性价比的方向。

“研究的世界很热闹，前沿技术、漂亮论文层出不穷，但时间和精力始终是有限的，与其涉猎广泛却收获甚微，不如把注意力聚焦在一个具体的问题上，精益求精。”博士五年，他始终聚焦“让代码可信”这条主线，长期下来才形成了一个完整的研究脉络。用他的话说，把一件事做到最好，比把十件事都做到六十分更有价值。

关于在技术快速迭代中怎样识别值得投入的方向，董谨豪认为首先要评估问题本身的不可替代性：只是用某个新模型刷某个老榜单的工作很快会被淘汰，而那些解决长期存在、又会随技术演化不断有新形态的问题，才值得长期投入。同时他强调要从更高一层的维度思考问题，当大家都在做“让模型生成代码”时，他敏锐地察觉到，如何“让模型理解代码变更、管理记忆、使用工具”这些问题往往是更稀缺、更值得布局的位置。而最终则需要让产业实践来做真假筛选，能在真实系统中跑通的问题才是真问题。

三

从“超级实习生”到“靠谱的同事”

“你可以把现在的大模型想象成一个能力很强、但还在成长期的超级实习生。我做的事，就是把它逐步训练成靠谱的同事。”董谨豪用这个比喻，生动地概括了自己的研究主线：围绕大语言模型的训练、推理、记忆、行动这几个核心环节展开，把大模型从“会聊天”推进到“能干活”，做出真正可用、可信的代码大模型与通用智能体。

目前，他的工作主要沿两条路径展开。

一方面是大模型本身的训练与推理研究。作为小米代码大模型Core团队的技术顾问，他深度参与了MiMo系列大模型的预训练、强化学习推理和Code Agent研发。其中MiMo-V2-Pro目前在Artificial Analysis Intelligence Index排名全球第八、中国第二，OpenRouter全球调用量蝉联Top1。除了实际的模型训练，公司的业务也反向催生了科研的产生：训练侧，团队近期发表的SAPO发现，静态微调提示词会导致灾难性遗忘，由此提出了状态自适应提示优化方法，让模型在每一步训练中动态选择最匹配的提示词，泛化能力显著提升；推理侧，发表的RaBitQCache则瞄准长上下文推理中KV Cache的显存与延迟瓶颈，通过随机旋转二值量化结合稀疏注意力框架，在保持推理质量的同时大幅降低了显存占用与时延。

另一方面是Agent方向的探索。他负责了浏览器Agent与Openclaw通用Agent上模型能力的提升。此外，近期在KDD发表了两项工作：GAIS针对当前Agent训练数据合成普遍依赖模型内部先验、导致环境同质化和任务保真度不足的问题，提出基于真实MCP协议锚定环境构建的两阶段grounding框架，在BFCL、τ-Bench、ACEBench三大权威基准上以更少的数据量显著超越SOTA基线。BiVCoder则聚焦测试驱动代码生成中“自生成测试被默认为ground truth”导致的伪修复问题，提出Coding/Test/Review三Agent协同、以Review Agent为诊断中枢的双向代码-测试诊断框架，在HumanEval、MBPP等基准上，BiVCoder-SFT(Qwen3-4B)平均超过Qwen3-8B，并将DeepSeek-V3.2的HumanEval Pass@1从87.2%提升至92.1%。

“训练让模型具备能力，推理让能力高效服务，Agent平台与记忆/工具机制让能力在真实环境中跑通——这是一个完整的智能体能力闭环，也是我未来几年想持续深耕的问题。”

除了技术本身，采访中他反复提到的一个词是“真实”。他相信真正值得长期投入的问题来自真实世界的需求，而不仅仅是benchmark上的数字。

也正因此，他一直强调产业实践的重要性。2025年，他参与筹建了中国人民大学—小米基座大模型联合重点实验室，并贡献重要力量。实验室目前聚焦国产基座大模型以及智能体平台研发，同时也为加入实验室的学生提供三类机会：真实的科研课题与顶会论文产出，工业级算力与海量真实开发数据，以及进入小米AI实验室核心团队实习乃至获得正式offer的通道。他说，“我们想把‘在学校做出能改变世界的研究’这件事，从口号变成日常。”

四

在“真做事”的土壤里生根

2025年8月，董谨豪正式加入中国人民大学担任讲师。谈到选择人大的原因，他坦言：“第一是平台。学校、学院近些年在AI、大模型方向上投入很大，我的团队负责人杜小勇老师、卢卫老师，院长柴云鹏老师，都对于我从事大模型的研究非常支持，这种学术氛围对一个青年学者来说非常珍贵；第二是产学研机会。学院鼓励老师与产业深度结合，我和小米的合作也得到了学院的全力支持，这才有了后来人大-小米基座大模型联合重点实验室的落地。”

选择加入人大，也与他所认同的价值观有关。在他看来，这里最大的吸引力，或许正来自于“真做事，不内卷”的氛围：“大家关心的是把事情做好，而不是表面文章。这种气质很合我胃口。”

入职以来，他感受到最多的两个词是“温暖”和“踏实”。学校、学院与团队从启动经费、计算资源到学生招生等方面都给予了充分支持；老师们也都很热心，遇到问题总能很快找到能搭把手的人。

而更让他感到欣慰的，是学生们的成长。他带的几位本科生和研究生从最初对大模型一知半解，到现在能够独立推进研究、撰写论文初稿，学生们的进步速度远远超出他的预期。前段时间陆续有学生的工作被顶会接收，他说，那种喜悦甚至比自己中论文还强烈：“能陪着一群有潜力的同学一起做事、一起成长，是我入职以来最有成就感的事。”

五

先做事，再讲故事

对于希望从事大模型研究的同学，他给出的建议是：“先做事，再讲故事。”

在他看来，与其急于谈论方向和理想，不如先动手完成一个真正属于自己的项目。项目不一定宏大，小而精也行。“动手做的过程本身就是一种迭代——你写出来的第一版项目大概率是不完美的，但只要敢做、敢改，每一轮迭代都会把你推到一个新的层次。”

他也鼓励同学们多动手尝试新事物，动手就是最好的学习方式。他分享了一个有趣的故事：OpenClaw刚发布时，他把家里的小米摄像头和小爱音箱接入平台进行尝试。在体验的过程中，他对Agent平台到底能做什么、边界在哪里、和真实设备生态怎么打通，有了远比阅读文档更加深刻的理解。“很多研究灵感和工程直觉，恰恰是从这种「闲不下来、忍不住要试一下」的小demo里冒出来的。”

除此之外，他也始终强调长期主义的重要性。大模型领域发展迅速，但真正有价值的工作往往需要一到两年的深耕期。这段时间里论文未必如期而至，成果也未必马上出现。“给自己一点耐心，真正能够沉淀下来的人和成果，往往都是慢功夫做出来的。”

工作之余，董谨豪坚持散打和拳击训练。博士期间，他曾加入北京大学散打队进行系统训练。在他看来，健康的身体和良好的精神状态是长期从事科研工作的基础。拳馆和训练场更像一种切换状态的空间，当注意力暂时离开代码和论文，重新回到身体本身时，整个人都变得很专注、很轻盈。

博士五年走下来，他说自己学到最重要的一课是“坚韧”——面对纷繁复杂的任务和挑战，坚持不懈地把一件件事情做好。“每个人的节奏都不同，甘于坐冷板凳，专注做好自己的事情，每个人都会迎来属于自己的春天。”同时他也感谢科研这段经历给他带来的开阔——不只是学术上的积累，也让他有机会走遍各地，与不同背景的学者交流，真正体会到“读万卷书，行万里路”的意义。

代码大模型与通用智能体方向的故事才刚刚展开，未来五到十年仍有大量重要工作有待完成。他也期待更多对这一领域感兴趣的同学加入人大信院、加入人大—小米基座大模型联合重点实验室，一起去做真正有价值、有挑战的研究。