智猩猩AI整理
编辑：六六
伊利诺伊大学厄巴纳-香槟分校（UIUC）博士后陈修司将于2027年秋天入职香港中文大学计算机科学与工程系，担任长聘教轨助理教授。
陈修司本科就读北大计算机系，师从高军老师，之后在UCLA拿下博士学位，导师是Wei Wang教授。此后他去往UIUC的Blender Lab做博士后，合作导师是NLP领域的知名学者Heng Ji教授。
他的研究目标是构建能够在多个领域中辅助人类的自动化语言智能体，其研究方向包括：
大模型推理与对齐：大模型推理、reward modeling、constitutional alignment 等。
终身学习与自进化智能体：lifelong learning、memory、world models。
多模态理解与生成： multimodal agents、visual reasoning，以及文本、图像和视频的跨模态建模。
AI for Science / Scientific LLMs：利用大模型促进科学发现、文献理解、科学推理与跨学科知识组织。
复杂动态系统与体育科学：复杂动态系统建模，以及体育场景中的 planning、strategy learning、球员行为生成和 offline RL。
翻看陈修司这几年的论文，发现他的研究兴趣其实一直在围着同一个问题打转：怎么让大语言模型更可靠、更会"思考"、也更懂得跟人配合。
他之前研究的是低资源场景下怎么把推理做上去，思路不是堆标注，而是给模型"喂"更聪明的训练信号。
SDM 2023 的 Gotta （ Best Poster 荣誉提名）设计一个填空式任务当陪练，让模型在少样本问答里顺带学会推理；ACL 2024 的 MinPrompt 更进一层，用图算法挑出覆盖信息量最大的最小句子集再生成问答对，等于把数据增强本身变成一道优化题。
但他 最近两年产出密集的方向，是在模型的“对齐”和“自进化”。
IterAlign（2024 NAACL）尝试让模型迭代式地发现自己的问题、自动调整行为准则，而不是靠人写死一套规则；ICLR 2026 的 RM-R1更进一步，把奖励建模变成推理过程，让模型先想清楚“什么才算好输出”再给判断。
同样的取向在 EMNLP 2025 的 DecisionFlow 里更彻底：先搭出结构化的决策空间、推断出潜在效用函数，再在这个空间里做权衡——答案和解释同源，因此天然可解释。
他一直在把原本要人写死的东西，换成让模型自己想明白：训练信号、行为准则、评判标准，连决策时的权衡都交给了模型自己推。
顺着这个逻辑再往前一步，就是让智能体自己攒经验、自己修正，也就是他列出的“终身学习与自进化”。
除了这些偏底层的方法论工作，陈修司还有一条挺有意思的支线： 体育科学 。 他和 UCLA 团队合作过几篇职业篮球论文：CIKM 2022 的 ReLiable 用离线强化学习学战术策略，CIKM 2024 的 PlayBest 用扩散模型做规划、合成球员行为轨迹。
听起来跟大模型有点距离，内核却是同一件事——在复杂动态环境里做规划与决策。
科研之外，他在 ACL 2026 组织了 SURGeLLM Workshop，在 KDD 2025 组织了Sknow-LLM Workshop；还担任 ACL Rolling Review 领域主席（Area Chair），并曾担任 ICML、NeurIPS、ICLR、KDD、WSDM 等会议的程序委员会成员。
