关于我

我是梁昊（Hao Liang），北京大学数据科学中心博士生，联合培养于北京中关村学院，同时也是一家 AI 数据公司的联合创始人。我曾 连续两次获得北京大学校长奖学金。我的导师是张文涛教授和董彬教授，并与崔斌教授和鄂维南教授保持紧密合作。

本科毕业于北京理工大学，曾获徐特立奖学金（北京理工大学最高荣誉）和国家奖学金。我也曾赴牛津大学访问，与 Ismail Ilkan Ceylan 教授和Michael Bronstein 教授开展合作。

学术影响力： Google Scholar · 3,958+ 次引用 · h-index 18 （截至 2026 年 9 月 4 日）

竞赛获奖： 🥇 ICML 2025 SeePhys Challenge 冠军 · 🥇 BAAI LIC Challenge 2025，Track 2 一等奖

欢迎交流

我尤其希望认识以下方向的朋友：

我可以和你交流：

如果你也在做 AI 数据、大模型或 Agent，或者对 PKU-DCAI Lab 的科研实习与读研机会感兴趣，欢迎来聊聊～希望认识一些能长期交流、一起做事的朋友。

微信： 13241935113 · 邮箱： hao.liang@stu.pku.edu.cn

我的研究聚焦于 Data-Centric AI（以数据为中心的人工智能），主要包括以下四个方向。更完整的研究背景可参考我们关于文本数据和多模态数据的综述。

数据归因与数据—模型交互 （主要方向） — 研究单条数据如何影响模型行为，并在训练过程中通过动态选择、混合和重加权建立数据与模型的闭环交互。这也是数据中心训练框架 DataFlex 的核心思想；概念性介绍可参考 Towards Next-Generation LLM Training: From the Data-Centric Perspective。
数据自进化 — 构建由模型与 Agent 反馈驱动的数据闭环，使数据能够持续生成、评估、筛选、修正与复用，并随模型能力和任务需求共同演化。我重点关注 On-policy 反馈、针对模型弱点的数据合成、可执行验证，以及将轨迹、Skills 和 Memory 作为可持续演化的数据资产。
数据基础设施 — 构建覆盖完整数据生命周期的可扩展基础设施：DataFlow 负责可组合的数据准备与工作流自动化，DataFlex 负责训练过程中的动态样本选择、数据混合与重加权，DataMind 负责通过 RAG、GraphRAG、SQL、Skills 和 Memory 实现推理期知识访问。
领域数据：Datasets & Benchmarks — 面向数学、Lean 形式化推理与验证、工作场景、代码等高价值领域，构建有效且可验证的数据集与基准。我重点关注合理的任务定义、数据构建、质量控制和评测协议。代表工作包括 MathScape、MM-Verify、Let’s Verify Math Questions Step by Step 和 K12-KGraph。

我已在 CCF-A 类会议发表 10+ 篇一作或共同一作论文，并获得 NDBC 萨师煊优秀学生论文奖。

DataFlow — 核心设计者。DataFlow 是一套开源大模型数据准备框架（“Generate, Clean, and Prepare LLM Data, All-in-One”），通过算子化工作流支持多领域的数据生成、清洗和评测，并获得 ICML SeePhys Challenge 冠军与 BAAI LIC Challenge 一等奖。
DataFlex — 核心设计者。DataFlex 是构建在 LLaMA-Factory 之上的数据中心动态训练框架（“Data Select · Mix · Reweight — Right in the LLM Training Loop”），支持在训练闭环中动态完成数据选择、混合与重加权。
LLaMA-Factory — 参与数据模块设计。
CAMEL — 将 DataFlow 集成至 CAMEL 数据工作流。