曾伟豪

曾伟豪,香港科技大学（HKUST）计算机系博士生，主要研究方向为大语言模型（LLM）的post-training，特别关注模型推理能力增强、对齐数据工程、自我进化训练方法等。他提出了SimpleRL方法，利用极少数据结合强化学习显著提升模型在数学推理任务上的能力（Github 3K Star）；在B-STAR中引入探索与利用的动态平衡机制，进一步提升LLM的自我学习效果（ICLR 2025）；在Deita项目中，通过自动数据筛选实现高效指令微调，使对齐训练更加数据节省（ICLR 2024）；他还与微软合作提出Auto Evol-Instruct框架，实现无人工干预的指令进化（EMNLP 2024）。