曾屹荣 · 个人主页

曾屹荣 (Yirong Zeng)

博士候选人 · 智能体强化学习 / 指令遵从

求职中（实习 & 校招）· 欢迎交流

邮件
谷歌学术
GitHub
微信abc1040695332
CV 通用 · 研究院 · 人才计划

哈尔滨工业大学本部，SCIR实验室直博生（导师刘挺教授）。研究方向为大模型 Agentic RL后训练与指令遵循。以第一作者（含共一）在 NeurIPS、ICLR、ACL、EMNLP、NAACL、COLING、IPM 等顶级会议/期刊发表论文 9 篇（CCF-A 4 篇、CCF-B 4 篇、SCI-Q1 1 篇），另有 6 篇 CCF-A 在投。一段大厂的基础模型强化学习后训练实习经历。

研究方向

智能体强化学习（Agentic RL） 2024 - 至今

通过工具调用获取环境与人类反馈、持续更新模型参数来提升性能上限，是大模型后训练的主流技术路线
研究覆盖：长程训练的稳定性与上限提升（NeurIPS 2026、EMNLP 2025×2、ICLR2027 在投）、自适应快慢思考（ICLR 2026）、工具环境与数据合成（NeurIPS 2026、ICLR 2027 在投）、轻量化 Harness 与 In-Harness RL（AAAI 2027 在投）
近期探索：原生的Harness RSI 实现与研究

指令遵循（Instruction Following） 2025.06 - 至今

在给出回答的同时额外满足用户指定的约束条件，是智能体对话与长程任务执行的必备能力
研究覆盖：RL 训练下指令遵从泛化性机制与上限提升（ACL 2026、ICLR 2027 在投）、多模态指令遵循 RL 数据合成（ACL-ARR 在投）、在线策略蒸馏 OPD 在其上的应用（ICLR 2027 在投）

发表论文

Unveiling Entropy-Performance Decoupling in Agentic RL for Tool-Integrated Reasoning.

作者: Yirong Zeng, Shen You, et al.

NeurIPS 2026 ｜ CCF-A，一作

ClawBenchPro: Benchmarking How Well Agent Harnesses Work.

作者: Yufei Liu*, Yirong Zeng* (co-first), et al.

NeurIPS 2026 ｜ CCF-A，共一

AutoTool: Automatic Scaling of Tool-Use Capabilities in RL via Decoupled Entropy Constraints.

作者: Yirong Zeng, Xiao Ding, Yufei Liu, Yuxian Wang, Qunyao Du, Yutai Hou, Wu Ning, Haonan Song, Duyu Tang, Dandan Tu, et al.

ICLR 2026 ｜ CCF-A，一作

TinyJudge: Unverifiable Constraint Alignment via Lightweight Specialist Ensembles.

作者: Yirong Zeng, Yufei Liu, Xiao Ding, Yutai Hou, Yuxian Wang, Wu Ning, Haonan Song, Dandan Tu, Qixun Zhang, et al.

ACL 2026 ｜ CCF-A，一作

Human Cognitive Process Aligned Rumor Detection with Small Language Models Enhanced Large Language Models.

作者: Yirong Zeng, Xiao Ding, Bibo Cai, Bing Qin, Ting Liu

IPM 2026 (IF=8.3) ｜ SCI-Q1，一作

Tool Zero: Training Tool-Augmented LLMs via Pure RL from Scratch.

作者: Yirong Zeng, Xiao Ding, Yutai Hou, Yuxian Wang, Li Du, Juyi Dai, Qiuyang Ding, Duyu Tang, Dandan Tu, Weiwen Liu, Bing Qin, Ting Liu

EMNLP 2025 ｜ Findings，CCF-B，一作

iTool: Reinforced Fine-Tuning with Dynamic Deficiency Calibration for Advanced Tool Use.

作者: Yirong Zeng, Xiao Ding, Yuxian Wang, Weiwen Liu, Wu Ning, Xu Huang, Duyu Tang, Dandan Tu, Bing Qin, Ting Liu

EMNLP 2025 ｜ Main，CCF-B，一作

Moderation Matters: Exploring Large Language Models for Effective Rumor Detection on Social Media.

作者: Yirong Zeng, Xiao Ding, Bibo Cai, Ting Liu and Bing Qin

NAACL 2025 ｜ Main，CCF-B，一作

RU22Fact: Optimizing Evidence for Multilingual Explainable Fact-Checking on Russia-Ukraine Conflict.

作者: Yirong Zeng, Xiao Ding, Yi Zhao, Xiangyu Li, Jie Zhang, Chao Yao, Ting Liu and Bing Qin

COLING 2024 ｜ CCF-B，一作

Less Harness, More Signal: Efficient In-Harness RL for Autonomous Agents.

作者: Yufei Liu*, Yirong Zeng* (co-first), et al.

AAAI 2027 ｜在投，CCF-A

Precision Bounds Diversity: Reward Engineering for Instruction Following via RLVR.

作者: Yirong Zeng, Yufei Liu, et al.

ICLR 2027 ｜在投，CCF-A

EnvCraft: Synthesizing Executable Environments in Agentic RL for Claw-like Agent.

作者: Yirong Zeng, Shen You, et al.

ICLR 2027 ｜在投，CCF-A

Constraint-Decoupled On-Policy Distillation for Multi-Constraint Instruction Following.

作者: Yirong Zeng, Weian Yu, et al.

ICLR 2027 ｜在投，CCF-A

Not Every Tool Call Helps: Fine-Grained Credit Assignment for Efficient Tool-Integrated Reasoning.

作者: Shen You*, Yirong Zeng* (co-first), et al.

ICLR 2027 ｜在投，CCF-A

Towards Scalable RLVR: Multimodal Instruction Following Data Synthesis and Distillation.

作者: Yirong Zeng, Sai Zhang, et al.

ACL-ARR ｜在投，CCF-A

业界经历

AI 算法工程师（研究型实习生）

华为（北京）小艺 · 基础算法开发部 | 2024.09 - 2026.09

作为研究型实习生，负责华为小艺大模型的系统后训练技术的先导探索：在 Agentic RL、Harness Agent 训练、指令遵循方向产出 12 项研究成果，其中 4 项落地小艺版本业务。华为小艺业务部的首批顶尖人才计划实习生、部门实习生领头人。

开源项目与数据集

ClawLoop 轻量化 Harness 及 RL 训练框架

曾屹荣等 · ⭐ 33 · GitHub

ClawForge (EnvCraft) Agentic RL 交互环境、配套训练代码及模型

曾屹荣等 · ⭐ 91 · GitHub

MIFS 多模态指令遵循数据集

曾屹荣等 · 11k+ downloads

Misinformation Detection 实时谣言识别与证据溯源

Yirong Zeng, Juyi Dai, Shen You · Demo System