浙江大学计算机在读，辅修金融。正在生成式模型、扩散语言模型与智能体持续学习的交叉地带工作，也持续通过项目、写作与设计练习产品判断和体验表达。
Discrete Flow Matching Language Model (UCLA). 探索不依赖传统自回归范式的语言生成路径。
AI-Native Photo Album. 基于 CLIP 和自然语言搜索的下一代相册体验。
并行视频采样与流匹配加速 (ZJU). 解决生成模型的工程化与成本瓶颈。
Continual Learning of Agent Benchmark (NUS). 定义如何测量智能体的持续进化能力。
我曾尝试做一个校园外卖拼单产品。最初以为难点会是需求匹配算法与高并发，后来才意识到，真正让它无法成立的，是信任建立、支付清算，以及供给侧冷启动这三个更底层的问题。
这件事之后，我开始更警惕“把可实现误判成可成立”。真实世界里，决定产品能不能活下来的，往往不是功能是否做出来，而是用户为什么会信、会用、会留下来。
捕捉光线与构图的平衡。长期的视觉训练让我对克制感、材质与排版更敏感，这直接影响了我对产品体验的判断。
曾把共享单车从紫金港骑到海宁（100公里），也拿过校运会800米冠军。 运动对我来说不是“标签”，而是一种建立耐心、输出稳定性的长期主义训练。
《Vibe Coding 改变的不是效率，而是接口》
从 prompt 到 directing：AIGC 交互范式的转移。
当 Agent 具备 Continual Learning 能力时，产品形态会发生什么根本性变化？
目前正在深入优化 Discrete Flow Matching 的 coupling 策略，试图在语言模型中找到更优雅的生成路径。
同时在准备半马，目标 130。
正在读《Gödel, Escher, Bach》。
我希望先进入全球最前沿的技术与产品环境（赴美读硕/工作），把判断力磨得更扎实一些。
长期希望站在技术、产品与用户之间，理解模型能力边界如何演变成新的体验范式。