个人简介
我是清华大学计算机科学与技术系“水木学者”博士后。博士毕业于清华大学计算机系，导师为胡事民教授；本科毕业于西安电子科技大学。
我在 T-PAMI、ACM TOG、SIGGRAPH、NeurIPS、ICML、ICLR、CVPR 等国际顶级期刊和会议上发表多篇论文，两次获得 CVMJ 最佳论文奖。曾获 CCF 优秀博士学位论文激励计划（2025）、首届“祖冲之奖”——人工智能前沿创新奖（2024）、清华大学特等奖学金（清华大学学生最高荣誉）和国家奖学金。我也是计图（Jittor）深度学习框架的核心开发者。我的研究获得博士后创新人才支持计划（博新计划）A 档资助，此前获得首届国家自然科学基金青年学生基础研究项目（博士研究生）资助。我入选了斯坦福大学/爱思唯尔发布的全球前 2% 顶尖科学家榜单。
11,800+总引用
17h-index
23i10-index
2最佳论文奖
引用数据来自谷歌学术，2026 年 10 月。
加入我们
长期招收自驱力强的科研实习生，以及有意攻读博士、硕士的同学（一般从实习生中选拔）。目前主要关注具身智能与基础模型方向。如有兴趣，欢迎将简历发送至 gmh@tsinghua.edu.cn。
新闻
- SkinTokens 被 ACM TOG 录用。
- FreeAct 被 NeurIPS 2026 录用。
- 一篇论文被 ECCV 2026 录用。
- 一篇论文被 ICML 2026 录用。
- GPR 被 KDD 2026 录用。
- 两篇论文（Pixal3D 和 TopoCap）被 SIGGRAPH 2026 录用。
- Bee 被 ICLR 2026 录用。
- 一篇论文发表于 IEEE TVCG。
- 两篇论文（含 RBench-V）被 NeurIPS 2025 录用。
- 入选清华大学“水木学者”计划。
- R-Bench 被 ICML 2025 录用。
- UniRig 被 SIGGRAPH 2025（期刊轨道）有条件录用。
- 一篇论文被 CVPR 2025 录用。
- 获得清华大学特等奖学金（清华大学学生最高荣誉，每年 10 人）。
- 获得国家奖学金。
- 一篇论文被 T-PAMI 录用。
代表性论文
RBench-V: A Primary Assessment for Visual Reasoning Models with Multimodal Outputs
Advances in Neural Information Processing Systems (NeurIPS), 2025
R-Bench: Graduate-level Multi-disciplinary Benchmarks for LLM & MLLM Complex Reasoning Evaluation
International Conference on Machine Learning (ICML), 2025
Bee: A High-Quality Corpus and Full-Stack Suite to Unlock Advanced Fully Open MLLMs
International Conference on Learning Representations (ICLR), 2026
技术负责人
One Model to Rig Them All: Diverse Skeleton Rigging with UniRig
ACM Transactions on Graphics (SIGGRAPH 2025)
CharacterGen: Efficient 3D Character Generation from Single Images with Multi-View Pose Canonicalization
ACM Transactions on Graphics (SIGGRAPH 2024)
Attention Mechanisms in Computer Vision: A Survey
Computational Visual Media (CVMJ), 2022
最佳论文奖引用 3,300+
SegNeXt: Rethinking Convolutional Attention Design for Semantic Segmentation
Advances in Neural Information Processing Systems (NeurIPS), 2022
引用 1,800+
Beyond Self-Attention: External Attention Using Two Linear Layers for Visual Tasks
IEEE Transactions on Pattern Analysis and Machine Intelligence (T-PAMI)
引用 950+
Is Attention Better Than Matrix Decomposition?
International Conference on Learning Representations (ICLR), 2021
共同第一作者