01研究议程
预测
面向具身智能体的预测世界模型
构建以视觉、本体感知和接触为依据的紧凑潜在状态，长期目标是实现可自我纠正的灵巧操作。
研究定位
可靠的行动，需要可追溯的状态。
03 个相互关联的问题
智能体如何识别现有证据已不足以支持行动，并纠正状态中真正失效的部分，而不是盲目继续？
可靠的具身智能体需要可预测的状态表示，并使其中的判断始终能够追溯到视觉、本体感知、接触以及信息来源。
我研究智能体如何将决策锚定到正确证据，识别证据何时不足，并在行动前进行有针对性的纠正。
长期目标
通过潜在预测世界模型实现可自我纠正的灵巧操作。
02公开证据
核验
证据可追溯的智能体系统
追踪哪些证据可以控制行动，并识别环境变化何时破坏了操作义务，而不只是改变了一个无关值。
03公开证据
纠正
可靠的多模态推理
在视频定位仍可修复的解码层中找到时空证据，并检验不一致的时间推理。
决策边界 / 研究议程
行动应当在何处停止？
视觉、本体感知、接触与信息来源在证据边界汇合。核心问题是：证据不足时，应继续行动、修正相关状态，还是停止。
证据边界是否充分？
输出行动 / 纠正若证据失效，就修正相关状态，或停止行动。
个人影像 / 02 帧
页边之外，
仍是生活。
两张照片，不附加研究叙事。
代表工作
系统与论文，
主张及其边界。
02 项重点记录
- 类型
- 系统
- 状态
- 进行中
- 角色
- 项目负责人
- 时间
- 2026 年 4 月至今
具身灵巧操作
灵巧手与人形机器人具身智能
主张
真实系统工作涵盖灵巧手策略训练、跨平台集成，以及正在推进的 G1 全身与灵巧手联合训练。
证据
使用 NVIDIA GR00T，在 Tianji 机械臂搭载的 Wuji 灵巧手上完成多项操作任务训练。 将同一 Wuji 灵巧手迁移并集成到 Unitree G1 人形机器人，并与团队的 GMT 控制栈连接。
产业研究 / 2026 年 4 月至今
四条路径，一个焦点。
两项已完成的基础工作、一条进行中的训练路径和一条规划中的数据路径，共同汇聚到当前的 G1 全身与灵巧手联合训练项目。
当前焦点G1 + 灵巧手
长期目标自我纠正自我纠正的灵巧操作仍是长期目标。
- 类型
- 论文
- 状态
- arXiv 预印本
- 角色
- 第一作者
- 时间
- 2026
STEAR
STEAR
STEAR: Layer-Aware Spatiotemporal Evidence Intervention for Hallucination Mitigation in Video Large Language Models
主张
在高熵解码步骤中，一个由当前词元条件化的中间层证据假设，可以同时支持定位修复与时间反事实检验。
证据
STEAR 选择由当前词元条件化的视觉证据，在对定位敏感的中间层重新注入该证据，并在单次视频编码过程中复用它来构建时间反事实。
- 在三个骨干模型和四个基准上完成评估
- 骨干模型为 LLaVA-Video-7B、InternVL2.5-8B 和 Qwen2.5-VL-7B；基准为 EventHallusion、VidHalluc、NExT-QA 和 MVBench。
- 准确率从 43.13% 提升至 73.53%
- 结果仅对应 LLaVA-Video-7B 在 EventHallusion Misleading 划分上的表现。
论文
每一项主张，都保留适用边界。
03 篇公开预印本
高亮姓名 = Linfeng Fan* 同等贡献所有记录均链接至 arXiv
PACT
The Granularity Mismatch in Agent Security: Argument-Level Provenance Solves Enforcement and Isolates the LLM Reasoning Bottleneck
主张、证据与结果
主张
当不可信信息的来源被允许绑定到带有权限的工具参数时，它才会构成危险。
证据
PACT 为工具参数分配语义角色，在重新规划过程中持续追踪取值来源，并在执行前依据角色对应的信任契约逐项检查参数。
- 100% 效用和 100% 安全性
- 使用预言机来源信息的混合信任诊断测试集。
- 在 100% 安全性下实现 38.1-46.4% 效用
- 在 AgentDojo 上评估的五个模型中，表现最强的三个模型达到该结果；在相同安全水平下，效用比 CaMeL 高 8-16 个百分点。
SkillGuard
Skill Drift Is Contract Violation: Proactive Maintenance for LLM Agent Skill Libraries
主张、证据与结果
主张
技能漂移发生于环境变化违反了承担实际角色的执行契约，而不是每次引用值发生变化时。
证据
SkillGuard 将操作义务与附带提及分开，只核验承担实际角色的环境契约，并利用违约信息定位修复位置。
- 599 个负对照中零误报
- 无漂移与困难负样本；Wilson 95% 置信区间为 [0%, 0.6%]。
- 100% 精确率和 76% 召回率
- 使用评估中表现最强的骨干模型进行已知漂移核验。
- 单轮修复从 10% 提升至 78%
- 与不提供定位相比，使用契约违约定位进行修复。
STEAR
STEAR: Layer-Aware Spatiotemporal Evidence Intervention for Hallucination Mitigation in Video Large Language Models
主张、证据与结果
主张
在高熵解码步骤中，一个由当前词元条件化的中间层证据假设，可以同时支持定位修复与时间反事实检验。
证据
STEAR 选择由当前词元条件化的视觉证据，在对定位敏感的中间层重新注入该证据，并在单次视频编码过程中复用它来构建时间反事实。
- 在三个骨干模型和四个基准上完成评估
- 骨干模型为 LLaVA-Video-7B、InternVL2.5-8B 和 Qwen2.5-VL-7B；基准为 EventHallusion、VidHalluc、NExT-QA 和 MVBench。
- 准确率从 43.13% 提升至 73.53%
- 结果仅对应 LLaVA-Video-7B 在 EventHallusion Misleading 划分上的表现。
研究轨迹 / 2026
落地证据。预测状态。纠正失效。
长期研究议程面向具身智能：构建紧凑的预测状态，将其锚定到真正影响决策的证据，并使其能够在行动前发现并修正自身失效。
履历
研究，扎根于一条真实的实践轨迹。
教育 / 经历 / 荣誉
教育 / 当前2023 年 9 月至 2027 年 6 月（预计）
中国人民大学
高瓴人工智能学院
- 学位
- 人工智能理学学士
- 项目
- 拔尖人才培养计划
- GPA
- 3.7/4.0
经历
构建，集成，核验。
2026 年 4 月至今 / 进行中
灵巧手与人形机器人具身智能
项目负责人 · Beijing Noetix Robotics Technology Group Co., Ltd.
真实系统工作涵盖灵巧手策略训练、跨平台集成，以及正在推进的 G1 全身与灵巧手联合训练。
- 已完成
使用 NVIDIA GR00T，在 Tianji 机械臂搭载的 Wuji 灵巧手上完成多项操作任务训练。
- 已完成
将同一 Wuji 灵巧手迁移并集成到 Unitree G1 人形机器人，并与团队的 GMT 控制栈连接。
- 进行中
正在推进 G1 全身与灵巧手联合训练，围绕协调、操作与鲁棒性持续迭代。
- 规划中
规划受 HumanEgo 启发的可穿戴眼镜示范与人手到灵巧手的重定向流程，以减少针对单项任务采集真实机器人示范的需求。
2025 年 6 月至 8 月 / 已完成
双臂遥操作系统与仿真到现实部署
副队长 · RUC-HUHA 人形机器人队
参与一支 11 人人形机器人团队的系统集成、实机调试与协作统筹。
- 已完成
搭建并调试 VR 到 ROS 的遥操作流程，包括用于双臂控制的相对坐标映射与工作空间比例缩放。
- 已完成
参与基于 MoveIt2 的双臂运动规划与仿真到现实部署，调试执行偏差、工作空间、碰撞规避与安全问题。
代表荣誉
跨越研究与实践。
世界人形机器人运动会
团体第二名
RUC-HUHA 人形机器人队
全国大学生数学建模竞赛
北京赛区一等奖
国家级大学生创新创业训练计划
北京市优秀项目资助