研究方向

1. Automatic Prompt Tuning: 是指通过算法优化（如梯度下降或搜索）自动学习提示向量或文本，从而提升大型预训练语言模型在特定任务上的性能.

2. Agentic AI: 指的是能够在复杂环境中自主感知、推理、规划、执行与反思，以实现长期目标的人工智能系统。研究方向包括Autonomous Agents（自主智能体）， Multi-Agent Systems（多智能体系统/群体智能），Agent Architecture（智能体架构），Agent Alignment & Safety（能动 AI 的对齐与安全），Evaluation Frameworks for Agency（建立标准化评测体系）等。

3. 数据合成：数据合成（Data Synthesis） 是指通过人工或自动化的方式生成符合特定统计特征或语义规律的“虚拟”数据（synthetic data）。这些数据在结构上与真实数据相似，但不直接来源于真实样本，从而既能支持模型训练，又能避免隐私泄露或数据稀缺问题。其核心目标是：在不访问或不暴露真实数据的情况下，生成在统计特性、分布和语义上与真实数据相一致的合成数据。

教育经历

2014.9-2017.7 中国科学院大学 软件系统与理论 硕士

2010.9-2014.7 北京科技大学 计算机科学与技术 学士

工作经历

2017.7-2025.9 微软（中国）有限公司

代表性学术论文

AMPO: Automatic Multi-Branched Prompt Optimization, EMNLP’24

e5: Zero-shot hierarchical table analysis using augmented LLMs via explain, extract, execute, exhibit and extrapolate NAACL’24

CRT-QA: A dataset of complex reasoning question answering over tabular data, EMNLP’23

Know what I don’t know: Handling ambiguous and unknown questions for text-to-SQL, ACL’23

Towards Robustness of Text-to-SQL Models Against Natural and Realistic Adversarial Table Perturbation, ACL 22

RECPARSER: A Recursive Semantic Parsing Framework for Text-to-SQL Task. Zeng Y., Gao Y., Guo J., et al. IJCAI’20.

Towards Complex Text-to-SQL in Cross-domain Database with Intermediate Representation, ACL’19.

行业贡献

2017年6月 – 2023年2月 Excel-数据分析产品

贡献：作为微软 Excel 会话式智能数据分析助手 Analyze Data 的主要贡献者之一，负责算法部分的实现和迭代优化。该产品支持基于自然语言的会话式数据分析，显著提升了用户在 Excel 中的数据探索体验。

2024.6 – 2025.9 M365 Copilot

贡献：

- 增强推理能力：通过提升M365 Copilot对于搜索范围（例如文件夹、SharePoint）的推理能力，在目标数据集上实现了 30% 的准确率提升。

- 提升语言理解能力：通过提升微调数据集质量并对 4o-mini 模型进行微调，在目标数据集上实现了 NDCG 提升 1% 和 CiteDCG 提升 1%。