9月2日，前字节跳动强化学习专家、前腾讯Robotics X智能体中心负责人孙鹏博士正式加入星尘智能，将重点负责机器人强化学习方向的技术研发与应用探索。
孙鹏拥有清华大学自动化博士学位，之后在康奈尔大学和罗格斯大学从事博士后研究。过去十余年，他的研究与产业实践始终围绕强化学习与智能体展开，逐步从机器人强化学习拓展至大规模强化学习系统与大模型后训练。
早期在腾讯AI Lab及Robotics X机器人实验室期间，孙鹏担任智能体中心负责人，开展深度强化学习与机器人控制研究。
他利用深度强化学习和对抗博弈训练轮式机器人，实现端到端主动目标跟随，同时研发了《星际争霸》AI智能体TStarBots和TStarBotX。
2020年，孙鹏加入字节跳动，在游戏AI部门负责多智能体及分布式大规模强化学习技术，主导开发了强化学习基础设施ByteRL，支撑字节多款自研游戏AI的训练和定制。其团队曾获得IEEE CoG 2023策略卡牌AI竞赛冠军。
在字节AI Lab/ByteResearch期间，孙鹏以项目负责人身份主导研发并落地强化微调方法ReFT及数学推理智能体DeltaProver。
在Seed团队，他深度参与模型预训练及RLHF对齐工作。ReFT方法在数学微调能力上表现突出，被认为对推理范式产生了一定影响。
星尘智能是一家深圳绳驱AI机器人公司。孙鹏加入后将扩充机器人强化学习团队，推动相关技术能力提升和应用部署。其技术积累将与星尘智能的AI模型、具身OS和绳驱机器人本体形成协同，推动机器人在真实环境中持续学习与优化。
匿名用户
