徐梦迪归国任教清华姚班

一位非典型学者的姚班之路

2026级清华姚班开学，约90名新生中，66人通过竞赛保送等渠道提前录取，24人经笔试面试从新生中脱颖而出。信息学竞赛国家集训队成员约27人，还有国际奥赛国家队选手和高考裸分尖子。

在这群顶尖新生面前，负责介绍人工智能方向的，是一张刚加入清华不久的新面孔——徐梦迪，交叉信息院助理教授，2025年9月才从斯坦福归国。入职不到一年，她已成为姚班四位新生班主任之一。

她的履历颇为特别：2017年从清华车辆工程本科毕业，先后在约翰斯·霍普金斯大学学习机器人学、卡内基梅隆大学学习机器学习，2024年获CMU机械工程博士学位。博士期间师从CMU Safe AI Lab负责人赵丁，研究机器人学习、强化学习及AI安全。此后在斯坦福视觉与学习实验室从事博士后研究，与吴佳俊、李飞飞合作。

挑战Scaling Law的博士论文

徐梦迪的博士论文《构建可适应的通用机器人》直接挑战了一个流行思路：只要模型足够大、数据足够多，泛化能力就会自然涌现？

她的判断是：不够。真实世界的任务空间近乎无限，不可能把机器人未来会遇到的情况全部塞进训练集。与其幻想训练集覆盖一切，不如让机器人具备现场快速适应的能力。她提出，构建通用机器人不能只依赖scalability，还必须补上adaptation。

论文从三条路径展开：

• Prompt-DT：将自然语言处理的prompt范式引入强化学习，用少量示范轨迹告诉智能体当前任务是什么，无需微调参数即可适应新目标
• 无监督持续强化学习：让机器人自己发现不同任务间的共同结构，形成可组合复用的技能库
• RoboTool：借用大模型知识帮助机器人解决复杂物理任务，将任务拆成分析、规划、计算和代码生成四个环节

其中RoboTool颇具代表性：机械臂够不到远处牛奶盒时，会把锤子当钩子拉近物体；四足机器人无法跨过沙发空隙时，会寻找周围物体搭出通路。徐梦迪曾表示，工具使用常被视为高级智能的标志，以非常规方式找到解法，对认知能力提出更高要求。

2024年，这篇论文拿下CMU机械工程系最佳博士论文奖。

回到清华后的新方向

回到清华后，徐梦迪组建了自己的研究团队，招聘方向涵盖机器人硬件设计、大模型训练、机器学习、控制和机器人学，几乎复刻了她自己的跨学科路径。

她用三个词概括目标：scalable、adaptable、reliable。2026年2月发布的CoVer-VLA，瞄准的正是机器人理解指令与实际行动之间的偏差，尝试在行动前生成并比较多组候选方案，选出更符合人类指令的动作。

姚班的新变化

徐梦迪只是姚班2026级四位新生班主任之一。把四人的研究方向放在一起看，能看出一些新变化：

• 吕凯风：机器学习理论、AI安全与对齐、优化
• 贺天行：电子游戏研发、多模态生成、社会模拟和AI安全
• 徐梦迪：机器学习、机器人学、人机交互与AI安全
• 侯攀宇：离子量子计算和金刚石色心研究

姚班于2005年创办，最初名为软件科学实验班，早期培养有着鲜明的计算机科学与理论研究底色。2019年清华学堂人工智能班迎来首届学生，2021年量子信息班成立，2022年姚班、智班和量信班合并，统一纳入计算机科学实验班，下设计算机科学、人工智能和量子信息三个培养方向。

从四位新班主任的背景可以看出，姚班依然强调重基础，但也更加广交叉：计算机科学不仅连接算法和软件，也开始深入生成内容、社会模拟、物理世界、人机交互与量子系统。

迎新现场，徐梦迪邀请新生共同定义智能的下一站。她自己走过的路径，已经提供了一个具体答案。