大语言模型与可解释性
探索模型的内部机制，研究推理、上下文学习与可靠性。
ABOUT ME 个人简介
探索智能的机制，
连接研究与实践。
我是黄镇，现任同济大学工程智能研究院助理教授。长期从事大语言模型、多模态大模型和计算机视觉等方向的研究，关注模型的可解释性及其在工程中的应用。
我于中国科学技术大学获得本科及博士学位，随后在阿里云与中国科学技术大学开展博士后研究。曾任阿里巴巴通义实验室算法专家，参与 Qwen 模型研发，积累了从前沿研究到产业落地的经验。
曾带领团队获得 Hugging Face 阿拉伯语大语言模型榜单与日语大语言模型榜单第一；以第一作者或指导学生在 ICML、ICLR、ICCV、CVPR、ACL 等人工智能顶级会议发表论文 10 余篇。
TO PROSPECTIVE STUDENTS
欢迎对人工智能研究充满好奇的同学交流。
我们鼓励兼具学术价值与产业影响力的研究。 了解培养理念 →
研究方向
Research interests多模态大模型与视觉
研究视觉与语言的组合理解、视觉证据及模型幻觉问题。
工程智能与智能体
关注大语言模型智能体、具身智能，以及人工智能在工程中的应用。
代表性论文
Selected publications默认展示最近 5 篇 · Zhen Huang 为本人
ICML2026
How Do Language Models Speak Languages? A Case Study on Unintended Code-Switching
以语言切换为切入点，探索大语言模型多语言生成的内部机制。
ACL2026
Cross-Modal Masked Compositional Concept Modeling for Enhancing Visio-Linguistic Compositionality
通过跨模态掩码组合概念建模，增强视觉语言模型对属性、关系与组合结构的理解。
AAAI2026
Bridging the Language Gap: Uncovering and Aligning Shared Circuits for Multi-Hop Reasoning in Multilingual LLMs
揭示多语言多跳推理中的共享回路，并通过针对性对齐改善跨语言推理。
ACL2025
Interpret and Improve In-Context Learning via the Lens of Input-Label Mappings
从输入与标签映射的视角理解并改进大语言模型的上下文学习。
ACL2025
展开更多论文（5 篇）收起更多论文
EMNLP2024
Interpretable Composition Attribution Enhancement for Visio-linguistic Compositional Understanding
通过可解释的组合归因增强，提高视觉语言模型对属性和关系的理解。
ICML2024
ICCV2021
CVPR2021
Revisiting Knowledge Distillation: An Inheritance and Exploration Framework
结合知识继承与自主探索，提升学生网络的表征能力。
ACM MM2020
Spatio-Temporal Inception Graph Convolutional Networks for Skeleton-Based Action Recognition
以时空 Inception 图卷积建模骨架序列，实现人体动作识别。
教育与工作经历
Background教育与博士后经历
阿里云与中国科学技术大学
博士后
研究方向：大语言模型和多模态模型的可解释性
中国科学技术大学
信息科学技术学院 · 信息与通信工程 · 博士
研究方向：深度学习、计算机视觉 · 导师：田新梅
中国科学技术大学
少年班学院 · 应用物理 · 本科
工作经历
同济大学 · 工程智能研究院
助理教授
阿里巴巴通义实验室
算法专家
参与 Qwen 模型研发，开展大语言模型、多模态大模型与可解释性研究。
FOR STUDENTS
保持好奇，一起探索。
课题组聚焦人工智能前沿方向，注重学生科研能力培养，鼓励开展兼具学术价值和产业影响力的研究。期待同学们夯实基础，在实践中锻炼提出问题、解决问题和持续创新的能力。
对于有志于继续深造、发表高水平论文，或进入国内外知名科技企业发展的同学，我们将提供前沿课题和指导支持。希望大家在开放协作中成长，做出经得起学术检验、也能够服务产业实践的成果。
欢迎交流研究兴趣zhenhuang@tongji.edu.cn