智猩猩AI整理
编辑：林夕
近日，上海交通大学溥渊未来技术学院公布新晋教师信息，刘嘉成于2026年9月加入上海交通大学，任长聘教轨副教授。
他的研究主要围绕大模型、智能体以及工程/科学智能展开，关注大模型推理、模型训练与推理系统，以及人工智能在复杂工程和科学问题中的应用。
对于当前快速发展的AI领域来说，大模型正在从单纯的文本生成工具逐渐走向能够进行复杂推理、调用工具、执行任务的智能体系统。
刘嘉成的研究方向，正好覆盖了这一演进过程中的多个关键环节。
上海交通大学官网显示，刘嘉成已入选国家高层次青年人才计划、上海市海外高层次青年人才计划。
目前，他已发表30余篇CCF-A类论文，并获得3项国际会议最佳论文（提名）奖。
刘嘉成的学术经历也与上海交通大学有着较深的联系。
他本科就读于大连理工大学软件学院，2011年至2015年完成本科阶段学习。
随后进入上海交通大学软件学院攻读硕士，并于2017年进入上海交通大学电子信息与电气工程学院继续攻读博士，2022年获得博士学位。
博士毕业后，刘嘉成没有立即进入高校任教，而是继续在香港开展博士后研究。
2022年至2025年，他在香港中文大学担任博士后研究员；2025年至2026年，又在香港科技大学从事博士后研究。
经过连续数年的研究积累后，他于2026年9月回到上海交通大学，正式开启独立科研阶段。
从研究内容来看，刘嘉成的工作与近年来大模型发展的几个核心问题都有较强关联。
一方面，他关注大模型推理与推理效率。
随着推理模型不断扩大计算量，如何让模型在有限计算资源下获得更好的推理能力，同时降低训练和部署成本，已经成为大模型研究的重要问题。
另一方面，他也关注MoE模型的推理优化。
MoE通过只激活部分专家来扩大模型参数规模，但随之而来的专家路由、计算调度和系统效率问题，也成为大模型基础设施中的关键挑战。
刘嘉成曾参与相关研究，并发表过MoE模型推理优化方面的综述工作。
在智能体方向，他的研究则进一步延伸到大模型驱动的Agent系统。
相比传统大模型应用，智能体需要完成更长链条的任务，涉及规划、推理、工具调用以及多步骤执行，因此模型能力与系统设计需要结合起来考虑。
他的部分研究也开始涉及工程智能和科学智能。
这类问题通常具有复杂的专业知识和较高的计算要求，AI不仅需要生成答案，还需要参与分析、推理和解决实际问题。
论文方面，刘嘉成近年来持续在人工智能和机器学习领域发表研究成果。
上海交通大学官网列出的代表性工作包括2026年ICML论文《Causal Dependency-Aware Unsupervised Routing for Large Reasoning Model》，以及发表于《ACM Computing Surveys》的MoE模型推理优化技术综述。
其中，ICML这项工作关注的是大推理模型中的路由问题。
随着模型规模和推理过程不断复杂化，如何更加有效地分配计算资源，本身已经成为影响模型效率的重要因素。
围绕这一问题展开研究，也与当前推理模型和MoE架构的发展趋势密切相关。
此次加入上海交通大学后，刘嘉成将继续围绕大模型、智能体、工程/科学智能开展研究，并在溥渊未来技术学院开展教学和科研工作。
从大连理工大学本科，到上海交通大学硕博，再到香港中文大学和香港科技大学博士后，刘嘉成的学术路径也完成了从学生、博士后到独立研究者的转变。
如今回到上海交通大学任教，他将继续在大模型和智能体快速发展的背景下，探索模型能力、推理效率与工程应用之间的结合。
关注+星标，获取AI前沿进展与开源一线动态
热门跟贴