去年归国的徐梦迪，成了清华姚班班主任
内容提要
清华姚班2026级录取约90人，新班主任徐梦迪从车辆工程转向机器人研究，主张通用机器人需具备适应能力，而非仅靠扩大模型和数据。她通过少量示范、技能迁移和大模型知识应用三条路径探索，强调可靠性与人机交互，体现姚班跨学科交叉发展趋势。
延伸解读
跨学科背景的启示
徐梦迪从车辆工程转向机器人研究，并非传统计算机科班出身，却成为姚班班主任。她的经历表明，姚班在选拔教师时看重跨学科视野和实际研究能力，而非单一学科背景。这或许也反映了人工智能领域对复合型人才的需求，以及姚班在培养方向上更注重交叉融合的趋势。
对Scaling Law的反思
徐梦迪在博士论文中直接挑战了“模型越大、数据越多，泛化能力自然涌现”的观点，认为真实世界任务空间无限，训练集无法覆盖所有情况。她强调机器人需要具备适应能力，即根据少量新信息快速调整策略。这一观点为当前大模型主导的AI发展提供了一种补充视角，提醒研究者关注模型在开放环境中的可靠性。
姚班培养方向的变化
从四位新生班主任的研究方向看，姚班的教学版图已从传统计算机科学扩展到人工智能、量子信息、机器人学、人机交互等领域。这种“重基础、广交叉”的调整，可能意味着姚班在培养目标上更注重跨学科能力，以适应未来科技发展的多元化需求。
Q&A
清华姚班2026级录取了多少人？
清华姚班2026级共录取约90人，其中约66人通过竞赛保送等渠道提前进入，另有24人从清华新生中经过笔试、面试脱颖而出。
徐梦迪的教育背景和研究方向是什么？
徐梦迪本科毕业于清华大学车辆工程专业，后在约翰斯·霍普金斯大学学习机器人学，在卡内基梅隆大学学习机器学习，并于2024年获得CMU机械工程博士学位。她的研究方向包括机器人学习、强化学习、人工智能安全、人机交互等。
徐梦迪对通用机器人技术路线的主要观点是什么？
徐梦迪认为，构建通用机器人不能只依赖扩大模型和数据规模（scalability），还必须具备适应能力（adaptation），即机器人能够在遇到新环境或新任务时，根据少量新信息快速适应，而不是依赖训练集覆盖所有情况。
RoboTool是什么？它如何帮助机器人创造性地使用工具？
RoboTool是徐梦迪参与开发的一个系统，它不再逐步指定机器人使用什么工具、执行哪些动作，而是向系统提供任务目标以及场景、物体和机器人能力等信息，系统据此分析约束、选择工具、规划步骤，并生成机器人可执行的代码。例如，机械臂够不到远处的牛奶盒时，它会用锤子当钩子把牛奶盒拉到手边。
徐梦迪的博士论文提出了哪三条研究路径来构建可适应的通用机器人？
三条路径是：1）让智能体根据少量示范调整策略，快速适应新任务（如Prompt-DT）；2）让机器人自己发现不同任务之间的共同结构，形成可复用的技能库；3）借用大模型的知识帮助机器人解决复杂的物理任务（如RoboTool）。
徐梦迪在姚班迎新现场提出的“构建下一代智能”具体指什么？
徐梦迪提出的“下一代智能”不仅指模型更大、数据更多、知识更广，还强调机器人要能走出训练集，在陌生任务和开放环境中快速适应，用更少的数据和计算完成学习，同时兼顾效率、稳定性和安全。
姚班2026级四位新生班主任的研究方向分别是什么？
四位班主任及研究方向为：吕凯风研究机器学习理论、AI安全与对齐、优化；贺天行关注电子游戏研发、多模态生成、社会模拟和AI安全；徐梦迪研究机器学习、机器人学、人机交互与AI安全；侯攀宇从事离子量子计算和金刚石色心研究。
姚班的发展历程和培养方向有哪些变化？
姚班于2005年创办，最初名为“软件科学实验班”，2009年更名为“计算机科学实验班”，早期以计算机科学和理论为主。2019年成立人工智能班，2021年成立量子信息班，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。
