上一篇 杜红伟
冯浩东 下一篇
段易通
北京中关村学院导师
段易通，清华大学交叉信息研究院计算机科学与技术博士，现任北京中关村学院导师、中关村人工智能研究院研究员。主要研究方向为大模型智能体的智能体式后训练（Agentic Post-training）与人工智能投资研究（AI Investment Research）。研究关注如何通过未来结果反馈、环境交互和持续学习，提升大语言模型的预测、推理与决策能力；同时探索人工智能和智能体技术在金融市场建模与投资的应用。
个人主页：dythuhu.cn
邮箱：duanyitong@zgci.ac.cn
个人主页：dythuhu.cn
邮箱：duanyitong@zgci.ac.cn
I. 研究方向
1. 大模型智能体式后训练（Agentic Post-training）
研究通过环境交互、任务执行和结果反馈对大语言模型进行后训练，使模型突破静态参数的限制，在实际使用过程中持续提升智能性。
• 预测智能（Predictive Intelligence）：让模型对未来事件及其可能结果进行预测，并利用真实结果产生的反馈进行后训练，从而提升模型对复杂环境的理解、推理和决策能力。
• 大模型持续学习（Continual Learning）：研究模型如何在部署和使用过程中不断吸收新的知识与经验，持续更新自身能力，减少对固定参数和离线训练的依赖，实现“越用越智能”。
2. 人工智能投资研究（AI Investment Research）
研究人工智能与智能体技术在投资研究和投资决策流程中的应用，探索从信息获取、数据分析和研究假设生成，到策略构建、实证验证、风险评估和决策执行的自动化。
• 市场微观结构模型（Market Microstructure Models）：基于高频交易、订单流和市场微观结构数据，刻画金融市场的动态演化，为市场预测、模拟和交易决策提供支持。
• 投资智能体（Investment Agents）：构建能够自主开展量化投资和主观投资研究的智能体，覆盖信息分析、市场判断、策略开发、风险管理和投资决策等环节。
II. 教育经历
2019.9 - 2025.6 清华大学 交叉信息研究院 计算机科学与技术 博士
2015.9 - 2019.6 北京航空航天大学 物理学院 应用物理学 学士
III. 工作经历
2025.7-至今 北京中关村学院 导师；中关村人工智能研究院 研究员
IV. 代表性学术论文
[1] M3: A State-Event Generative Foundation Model for Market Microstructure Dynamics。 Yanzhi Zhang, Yu Ma, Yilin Cheng, Jian Li, Yitong Duan. arXiv, 2026.
[2] AgentRewind: Recoverable Execution for Long-Horizon LLM Agents。 Yu Zhuang, Kefei Chen, Yitong Duan, Shuxin Zheng, Jian Li, Xu-Yao Zhang. arXiv, 2026.
[3] PipeSD: An Efficient Cloud-Edge Collaborative Pipeline Inference Framework with Speculative Decoding。 Yunhe Han, Yunqi Gao, Bing Hu, Mahdi Boloursaz Mashhadi, Yitong Duan, Pei Xiao, Yanfeng Zhang. ICML 2026.
[4] FutureWorld: A Live Reinforcement Learning Environment for Predictive Agents with Real-World Outcome Rewards。 Zhixin Han, Yanzhi Zhang, Chuyang Wei et al.. arXiv, 2026.
[5] Harnessing Pre-Resolution Signals for Future Prediction Agents。 Chuyang Wei, Maohang Gao, Zhixin Han et al.. arXiv, 2026.
[6] No Free Lunch: Rethinking Internal Feedback for LLM Reasoning。 Yanzhi Zhang, Zhaoxi Zhang, Haoxiang Guan et al.. arXiv, 2025.
[7] One Tool Is Enough: Reinforcement Learning for Repository-Level LLM Agents。 Zhaoxi Zhang, Yitong Duan, Yanzhi Zhang et al.. ICML 2026.
[8] Population-Evolve: a Parallel Sampling and Evolutionary Method for LLM Math Reasoning。 Yanzhi Zhang, Yitong Duan, Zhaoxi Zhang et al.. arXiv, 2025.
[9] FactorMAD: A Multi-Agent Debate Framework Based on Large Language Models for Interpretable Stock Alpha Factor Mining。 Yitong Duan, Chuheng Zhang, Jian Li. ICAIF 2025.
[10] Navigating the Alpha Jungle: An LLM-Powered MCTS Framework for Formulaic Alpha Factor Mining。 Y. Shi, Yitong Duan, Jian Li. AAAI 2026.
[11] FactorGCL: A Hypergraph-Based Factor Model with Temporal Residual Contrastive Learning for Stock Returns Prediction。 Yitong Duan, Weiran Wang, Jian Li. AAAI 2025.
[12] Towards Generalizable Reinforcement Learning for Trade Execution。 C. Zhang, Yitong Duan, X. Chen et al.. IJCAI 2023.
[13] FactorVAE: A Probabilistic Dynamic Factor Model Based on Variational Autoencoder for Predicting Cross-Sectional Stock Returns。 Yitong Duan, Lei Wang, Qizhong Zhang, Jian Li. AAAI 2022.