上一篇 张然
张晓庆 下一篇
张霄远
北京中关村学院导师
张霄远博士，现任北京中关村学院博士生导师、研究员，入选国家级青年人才（海外）项目。他于上海交通大学获得工学学士和硕士学位，后于香港城市大学获得计算机科学博士学位。
他的研究围绕“AI × 优化 × 应用”的协同闭环展开：一方面探索人工智能如何自主发现和改进算法，另一方面研究优化理论与方法如何提升大模型训练效率，并推动其在真实环境中的应用。
张霄远博士已在NeurIPS、ICML、ICLR等人工智能领域国际顶级会议及相关期刊发表十余篇学术论文，并担任IJCAI 2025“多目标优化”特邀教程（Tutorial）组织者。他曾获得微软“编程之美”全国总冠军、香港城市大学杰出学术表现奖等荣誉。
博士生培养兼顾学术与产业两类发展路径：既支持面向前沿问题的纯科研型大模型算法研究，也支持面向头部科技企业研发岗位的就业导向培养。
邮箱： zhangxiaoyuan@bza.edu.cn
他的研究围绕“AI × 优化 × 应用”的协同闭环展开：一方面探索人工智能如何自主发现和改进算法，另一方面研究优化理论与方法如何提升大模型训练效率，并推动其在真实环境中的应用。
张霄远博士已在NeurIPS、ICML、ICLR等人工智能领域国际顶级会议及相关期刊发表十余篇学术论文，并担任IJCAI 2025“多目标优化”特邀教程（Tutorial）组织者。他曾获得微软“编程之美”全国总冠军、香港城市大学杰出学术表现奖等荣誉。
博士生培养兼顾学术与产业两类发展路径：既支持面向前沿问题的纯科研型大模型算法研究，也支持面向头部科技企业研发岗位的就业导向培养。
邮箱： zhangxiaoyuan@bza.edu.cn
I. 研究方向
1.自主智能系统与递归自我改进
研究智能体系统及其运行框架（Agentic AI/Harness）与递归自我改进（RSI），重点关注“红皇后”式哥德尔机、AI4AI，以及AI对大模型数据处理、优化器设计和稀疏注意力等关键模块的自主生成、评测与迭代优化。
2. 大规模优化与大模型高效训练
研究面向百万级参数优化问题的高效梯度方法及其算法、理论与软件，探索大模型后训练阶段的黎曼流形优化理论，并研发针对性的高性能训练求解器。研究整数规划与SAT求解器的算法、软件和理论，探索利用大模型和多智能体实现求解策略的自动发现、组合与持续迭代。
3. 流匹配、生成模型与真实世界智能
研究流匹配（Flow Matching）与生成模型，并推动其在真实环境天气预报和具身智能中的应用。相关研究依托北京市气象与人工智能领域重点实验室开展，在具身智能方向已发表多篇 IEEE RA-L 论文。
II. 教育经历
2013-2017 机械工程 上海交通大学 本科
2017-2020 机械工程 上海交通大学 硕士
2021-2025 计算机科学 香港城市大学 博士
III. 代表性学术论文
[1] X Zhang, P Li, Y Yu, Z Yichi, Z Han, Q Zhang. Multiobjective Distribution Matching. ICML 2025.
[2] W Chen*, X Zhang*, L Baijiong*, L Xi, Z Han, Q Zhang, JK Kwok.Gradient-Based Multi-Objective Deep Learning: Algorithms, Theories, Applications, and Beyond. https://arxiv.org/abs/2501.10945.
[3] X Lin, Y Liu, X Zhang, F Liu, Z Wang, Q Zhang. Few for Many: Tchebycheff Set Scalarization for Many-Objective Optimization. ICLR 2025.
[4] X Lin, X Zhang, Z Yang, Q Zhang. Evolutionary Pareto Set Learning with Structure Constraints. IEEE Transaction on Evolutionary Computation.
[5] X Zhang, L Zhao, Y Yu, X Lin, Y Chen, H Zhao, Q Zhang.LibMOON: A Gradient-based MultiObjective OptimizatioN Library in PyTorch. NeurIPS 2024 (D&B track).
[6] X Lin, X Zhang, Z Yang, F Liu, Z Wang, Q Zhang. Smooth Tchebycheff Scalarization for Multi-Objective Optimization. ICML 2024.
[7] X Zhang, X Lin, Q Zhang. Pmgda: A preference-based multiple gradient descent algorithm. IEEE Transactions on emerging topics in computational intelligence.
[8] Y Zhong*, C Ma*, X Zhang*, Z Yang, Q Zhang, S Qi, Y Yang. Panacea: Pareto Alignment via Preference Adaptation for LLMs. NeurIPS 2024.
[9] B Xue, X Lin, X Zhang, Q Zhang. Multiple Trade-offs: An Improved Approach for Lexicographic Linear Bandits. AAAI 2024.
[10] M Liu, X Zhang, C Xie, K Donahue, H Zhao. Online Mirror Descent for Tchebycheff Scalarization in Multi-Objective Optimizationhttps://arxiv.org/pdf/2410.21764.
[11] X Zhang, G Li, X Lin, Z Yichi, Y Chen, Q Zhang.Gliding over the Pareto Front with Uniform Designs. NeurIPS 2024.
[12] X Zhang, X Lin, B Xue, Y Chen, Q Zhang. Hypervolume Maximization: A Geometric View of Pareto Set Learning. NeurIPS 2023.
[13] X Lin, Z Yang, X Zhang, Q Zhang. Continuation Path Learning for Homotopy Optimization. ICML 2023.
[14] X Lin, Z Yang, X Zhang, Q Zhang. Pareto Set Learning for Expensive Multi-Objective Optimization. NeurIPS 2022.
IV. 主要成就与荣誉
2017年，上海交通大学优秀毕业生
2018年，微软“编程之美”全国冠军
2024-2025年，香港城市大学优异学术表现奖