天津
智猩猩AI整理
编辑： 没方
最近，倪天炜在X上宣布，他已经加入 Google DeepMind 担任 研究科学家 。
在官宣帖中，倪天炜提到，博士期间自己的研究主要围绕 History-Dependent Reinforcement Learning（历史依赖强化学习） 展开，重点关注记忆、表示和适应性。
这几个关键词，也几乎串起了他过去几年的整个研究轨迹。
倪天炜本科就读于北京大学计算机科学专业，随后前往卡内基梅隆大学，获得机器学习硕士学位。
之后，他进入蒙特利尔大学攻读博士，同时加入 Mila，师从 Pierre-Luc Bacon。
博士期间，倪天炜还与普林斯顿大学的 Benjamin Eysenbach、麦吉尔大学的 Aditya Mahajan 等研究者合作，并曾在 Amazon 实习。
他博士早期的工作主要关注POMDP（部分可观测马尔可夫决策过程）。2022 年 ICML 的工作 《 Recurrent Model-Free RL Can Be a Strong Baseline for Many POMDPs 》中，他系统研究了循环神经网络在部分可观测环境中的表现，发现结构相对简单的 recurrent model-free RL，也能成为不少 POMDP 任务中的强基线。
随后，他开始进一步拆解“历史信息到底该怎么用”。
2023 年 NeurIPS Oral 论文《When Do Transformers Shine in RL? Decoupling Memory from Credit Assignment》。重点区分了强化学习中的记忆（memory）与信用分配（credit assignment）问题，研究 Transformer 在什么类型的长时序任务中真正具有优势。
2024 年 ICLR 的工作则进一步转向状态与历史表示学习，尝试统一理解 MDP 和 POMDP 中的表示问题，并研究自预测表示在不同环境中的作用。
博士后期，他的研究进一步扩展到智能体如何利用新的经验持续适应。
其中一条研究线转向 offline-to-online RL。从“稳定性—可塑性”的视角研究策略在线微调过程中如何既保留已有能力，又根据新经验继续学习。
2026 年，他又进一步提出 Adaptive Policy Prior 的思路，主张重新思考传统 Offline RL 的目标：与其从静态数据中训练一个部署后不再变化的策略，不如学习一个能够作为后续在线学习起点、并随着新经验继续适应的策略先验。
从记忆、表示，到适应性，倪天炜的研究也逐渐从传统强化学习走向更复杂的智能体问题。
如今，他也将在 Google DeepMind 继续围绕强化学习、持续学习，以及 LLM Agent 的自进化展开研究。
关注+星标，获取AI前沿进展与开源一线动态
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
