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 · 1,120+ 次引用 · h-index 15 （截至 2026 年 7 月）

竞赛获奖： 🥇 ICML 2025 SeePhys Challenge 冠军 · 🥇 2025 语言与智能技术竞赛（LIC）智源赛道二一等奖

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。
数据智能体与原理驱动的数据合成 — 构建能够自主整理、变换和管理数据的 Agent，并探索由洞察与理论驱动、而非仅依赖启发式规则的数据合成方法。代表项目包括 DataFlow-Harness 和 Text2SQL-Flow。
数据基础设施 — 面向大规模数据准备和数据—模型迭代训练，构建可扩展的系统与工作流。相关开源技术栈以 DataFlow 为核心。
面向科学的数据 — 构建用于训练与评测的科学数据，覆盖数学和形式化验证数据（如 Lean）。代表工作包括 MathScape、MM-Verify 和 Let’s Verify Math Questions Step by Step。

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 冠军与智源 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。