[{"content":"研究愿景 从真实计算需求与物理约束出发，探索智能系统如何形成、维持并更新内部状态，以及如何通过与真实环境的持续交互发展出新的能力。长期目标是为 AGI 的实现贡献力量。\n研究方向 1. 高效模型架构与推理优化 关注模型结构、计算效率与真实资源约束之间的关系，探索更高效、更适应实际执行条件的智能系统。\n2. 神经记忆与持续学习 关注智能系统内部状态的形成、保持与更新，以及系统在长期运行和环境变化中的持续适应能力。\n3. 具身智能与环境适应 关注身体、感知、行动与环境反馈之间的联系，探索智能系统如何在真实环境中持续交互并形成适应能力。\n研究立场 智能不只是脱离环境的抽象计算。模型架构、内部状态、计算资源与真实环境反馈共同影响智能系统的形成与发展。机制可解释性贯穿三个方向，通过分析内部表征、计算过程与状态更新，理解模型能力如何形成。研究将从可分析、可验证的机制出发，在理论、算法、系统与实际执行条件之间建立联系。\n联系与代码 GitHub: Yuanming-Wang 博客源码: Metavis.github.io 研究方向: 查看研究方向 ","permalink":"https://yuanming-wang.github.io/Metavis.github.io/about/","summary":"\u003ch2 id=\"研究愿景\"\u003e研究愿景\u003c/h2\u003e\n\u003cp\u003e从真实计算需求与物理约束出发，探索智能系统如何形成、维持并更新内部状态，以及如何通过与真实环境的持续交互发展出新的能力。长期目标是为 AGI 的实现贡献力量。\u003c/p\u003e\n\u003ch2 id=\"研究方向\"\u003e研究方向\u003c/h2\u003e\n\u003ch3 id=\"1-高效模型架构与推理优化\"\u003e1. 高效模型架构与推理优化\u003c/h3\u003e\n\u003cp\u003e关注模型结构、计算效率与真实资源约束之间的关系，探索更高效、更适应实际执行条件的智能系统。\u003c/p\u003e\n\u003ch3 id=\"2-神经记忆与持续学习\"\u003e2. 神经记忆与持续学习\u003c/h3\u003e\n\u003cp\u003e关注智能系统内部状态的形成、保持与更新，以及系统在长期运行和环境变化中的持续适应能力。\u003c/p\u003e\n\u003ch3 id=\"3-具身智能与环境适应\"\u003e3. 具身智能与环境适应\u003c/h3\u003e\n\u003cp\u003e关注身体、感知、行动与环境反馈之间的联系，探索智能系统如何在真实环境中持续交互并形成适应能力。\u003c/p\u003e\n\u003ch2 id=\"研究立场\"\u003e研究立场\u003c/h2\u003e\n\u003cp\u003e智能不只是脱离环境的抽象计算。模型架构、内部状态、计算资源与真实环境反馈共同影响智能系统的形成与发展。机制可解释性贯穿三个方向，通过分析内部表征、计算过程与状态更新，理解模型能力如何形成。研究将从可分析、可验证的机制出发，在理论、算法、系统与实际执行条件之间建立联系。\u003c/p\u003e\n\u003ch2 id=\"联系与代码\"\u003e联系与代码\u003c/h2\u003e\n\u003cul\u003e\n\u003cli\u003eGitHub: \u003ca href=\"https://github.com/Yuanming-Wang\"\u003eYuanming-Wang\u003c/a\u003e\u003c/li\u003e\n\u003cli\u003e博客源码: \u003ca href=\"https://github.com/Yuanming-Wang/Metavis.github.io\"\u003eMetavis.github.io\u003c/a\u003e\u003c/li\u003e\n\u003cli\u003e研究方向: \u003ca href=\"/Metavis.github.io/research/\"\u003e查看研究方向\u003c/a\u003e\u003c/li\u003e\n\u003c/ul\u003e","title":"关于 Metavis"}]