个人简介

Yongfeng Zhang（张永锋）是AIOS的创始贡献者，担任AIOS基金会主任。他现任罗格斯大学计算机科学系副教授（2024年起获得终身教职），研究方向涵盖机器学习、人工智能代理、自然语言处理、推荐系统、可解释AI、公平性AI等。他本科毕业于清华大学计算机科学与技术系（2007-2011），后在清华大学获得计算机科学博士学位（2011-2016），导师为马少平、张敏、刘奕群教授。博士期间，他曾在新加坡国立大学计算学院（2014-2015，导师蔡达成、阚美缘）和加州大学圣克鲁兹分校（2015-2016，导师张毅、Daniel Friedman）担任研究助理。2016-2017年，他在马萨诸塞大学阿默斯特分校计算机与信息科学学院从事博士后研究，导师为W. Bruce Croft教授。2018年加入罗格斯大学担任助理教授，2024年晋升为副教授。他还在北京大学国家发展研究院获得经济学学士学位（2014-2016）。

主要成就

  • 2026年ACL杰出领域主席奖
  • 2025年AgentX智能体架构奖
  • 2024年ACM SIGIR时间检验奖（Test of Time Award）
  • 2024年罗格斯大学教学卓越校长奖
  • 2023年eBay教师研究奖
  • 2023年丰田教师研究奖
  • 2023年NEC教师研究奖
  • 2021年NSF CAREER奖
  • 2021年Facebook教师研究奖
  • 2021年eBay教师研究奖
  • 2020年ACM信息系统汇刊（TOIS）杰出编辑
  • 2018年罗格斯大学计算机科学最佳教学与指导教授奖
  • 2017年AIRS最佳论文奖
  • 2017年清华大学与中国人工智能学会最佳博士论文奖
  • 2015年微软博士奖学金
  • 2015年Siebel学者奖
  • 2014年百度奖学金
  • 2014年IBM博士奖学金
  • 2012年谷歌奖学金
  • 2019年ACM RecSys最佳论文荣誉提名奖
  • 发表超过100篇顶级会议和期刊论文，涵盖SIGIR、WWW、KDD、NeurIPS、ACL、EMNLP、RecSys等
  • 培养多名博士生成功毕业，包括Wenyue Hua、Jianchao Ji、Zelong Li、Runhui Wang、Shuyuan Xu、Yunqi Li、Juntao Tan、Yingqiang Ge、Shijie Geng、Shuchang Liu、Hanxiong Chen、Zuohui Fu、Yikun Xian等
  • 领导开发OpenAGI项目（NeurIPS 2023发表）：当大语言模型遇到领域专家
  • 提出P5通用推荐引擎（RecSys 2022）和VIP5多模态基础模型推荐（EMNLP 2023）
  • 获得多项NSF资助，包括可解释推荐系统、对话式推荐系统、贝叶斯深度学习可解释AI等研究方向

用户档案

工作经历

AIOS
创始贡献者

教育经历

清华大学
罗格斯大学

成长历程

2007-2011
清华大学本科阶段
就读于清华大学计算机科学与技术系，获得工学学士学位。期间奠定了扎实的计算机科学基础，开始接触信息检索与推荐系统相关研究。
2011-2016
清华大学博士阶段
在清华大学计算机系攻读博士学位，导师为马少平教授、张敏教授、刘奕群教授。研究方向为推荐系统与信息检索，期间发表多篇SIGIR、WWW、WSDM等顶级会议论文。
2014-2015
新加坡国立大学访问研究
在新加坡国立大学计算学院（School of Computing, NUS）担任研究助理，导师为蔡达成（Tat-Seng Chua）教授和阚美缘（Min-Yen Kan）教授，拓展了多媒体信息检索方面的研究视野。
2014-2016
北京大学经济学学习
在北京大学国家发展研究院攻读经济学学士学位，获得经济学第二学位，为后续研究推荐系统的经济学原理奠定基础。
2015-2016
加州大学圣克鲁兹分校研究
在加州大学圣克鲁兹分校工程学院担任助理专家（Assistant Specialist），导师为张毅（Yi Zhang）教授和Daniel Friedman教授，深入研究计算经济学与推荐系统的交叉领域。
2016-2017
马萨诸塞大学阿默斯特分校博士后
在马萨诸塞大学阿默斯特分校计算机与信息科学学院从事博士后研究，导师为信息检索领域著名学者W. Bruce Croft教授，进一步深化在信息检索与推荐系统方面的研究。
2018-2024
罗格斯大学助理教授
加入罗格斯大学计算机科学系担任助理教授，建立了自己的研究实验室，专注于可解释AI、公平性AI、对话式推荐系统等方向，指导多名博士生和硕士生。
2024至今
罗格斯大学副教授（终身教职）
晋升为罗格斯大学计算机科学系副教授（Tenured），同时担任AIOS基金会主任，领导AIOS项目的发展，推动AI代理技术在区块链和去中心化系统中的应用。
2023
OpenAGI与生成式推荐研究突破
团队发表OpenAGI论文（NeurIPS 2023），探索大语言模型与领域专家的结合；同时在生成式推荐、大语言模型用于推荐系统方面取得重要进展，发表VIP5、P5等系列工作。
2024
AIOS基金会与智能体架构发展
作为AIOS创始贡献者和基金会主任，推动AIOS（AI Operating System）的发展，获得2025年AgentX智能体架构奖，致力于构建基于区块链的AI代理基础设施。

相关文章

经典观点

"可解释人工智能应该以人为中心，服务于人类理解和决策，而不仅仅是技术层面的解释。"

— Human-centered Explainable AI系列演讲，2020-2022年在UMass Amherst、USC、Brandeis University、Megagon Labs、Salesforce、中国人民大学等多所高校和企业演讲

"从开普勒到牛顿：可解释AI可以用于科学发现，帮助人类重新发现科学规律。"

— 论文'From Kepler to Newton: Explainable AI for Science Discovery'，2021年11月发表，ICML 2022报告

"推荐系统应该从经济学原理出发，基于互联网福利最大化来实现个性化推荐。"

— 2016年在北京工业大学、中国人民大学等校的演讲'Internet Welfare Economics'、'Personalized Recommendation based on Internet Surplus Maximization'

"大语言模型正在重塑推荐系统，从浅层模型到深度模型再到大模型， trustworthy recommender systems需要持续演进。"

— Microsoft Research Summit 2022、CNCC 2022、AAAI 2023等会议主题演讲'Towards Trustworthy Recommender Systems: From Shallow Model to Deep Model to Large Model'

"AI机器可以拥有自由意志，这有助于解决复杂问题，但需要以负责任的方式实现。"

— 论文'Problem Learning: Towards the Free Will of Machines'，2021年9月发表

社交媒体