欢迎来到我的站点

关于我

我是王子龙，目前在微软亚洲研究院（上海）机器学习组担任Senior Researcher。我的研究聚焦于 AI4Health、Foundation Models 与 Human-AI Interaction 的交叉前沿，致力于构建可靠、可泛化、深度契合真实世界需求的人工智能系统，尤其面向医疗健康等高风险场景。我于 2018 年获得复旦大学上海医学院临床医学医学博士学位。临床训练塑造了我的研究方法论：以医学问题为牵引，强调模型在真实世界异质数据下的稳健性、与临床推理的一致性，以及在复杂工作流中的安全部署。

我的研究主要沿三条主线展开：在 AI4Health 方向，我关注医学影像与多模态智能系统，用于筛查、诊断与长期疾病管理；在 Foundation Models 方向，我探索多模态基础模型与医疗大语言模型（LLM）的架构设计、评测方法与强化学习优化策略，以提升泛化能力、可解释性与临床可信度；在 Human-AI Interaction 方向，我研究先进 AI 系统（包括多模态与智能体模型）在真实场景中的人机交互机制，涵盖临床工作流、无障碍技术以及老龄人群应用等场景，强调 human-in-the-loop 设计，使用户能够查询、验证、纠错并引导 AI 行为，从而提升系统的透明性、可控性与可信度。

在 2023 年加入微软亚洲研究院之前，我曾在医疗科技初创公司担任 CTO，主导研发多款 AI 软件医疗器械（SaMD），并推动完成临床验证、注册审批与市场准入，形成从技术研发到产业落地的完整转化经验。我曾入选 2020 年福布斯中国 30 岁以下精英榜与 2021 年胡润 U30 中国创业领袖榜，并担任中国计算机学会（CCF）数字医学专委会执行委员。

最新动态

[2026年2月] 我们发布 OMGs（卵巢肿瘤多学科智能体系统），这是一个由大语言模型驱动的多智能体框架，旨在支持卵巢肿瘤全病程管理中的 MDT（多学科会诊）决策。在多中心评估中，OMGs 的表现达到专家 MDT 共识水平，展示了协作式智能体系统在高风险临床决策支持中的潜力。

[2026年1月] 四篇论文被 ICLR 2026 接收为 poster，分别围绕视觉提示微调的可解释性、多模态阿尔茨海默病诊断的统一基础模型、面向领域泛化的推理驱动多模态大模型，以及大模型强化学习中低概率 token 主导问题的修正方法。

[2026年1月] 三篇论文被顶级会议接收：AAAI 2026（面向内耳颞骨 CT 分析的医疗基础模型微调）以及两篇 CHI 2026 论文，聚焦 Vibe Coding 时代屏幕阅读器用户的可访问性，以及计算机使用场景下面向屏幕阅读器用户的人机交互。

[2026年1月] 我们推出 GI-Bench 基准测试平台，涵盖 20 种细粒度病变类别，并围绕消化道内镜五阶段临床工作流，对多模态大语言模型（MLLMs）进行系统性评估，推动面向真实临床流程的多模态模型评价标准建设。

[2025年8月] 我们开源 Agent Lightning⚡ 框架，使开发者能够通过强化学习（RL）训练任意 AI 智能体。该框架将智能体执行过程与模型训练过程解耦，可在几乎无需修改代码的情况下，无缝集成至 LangChain、AutoGen、CrewAI 等主流框架。

[2025年8月] 我们发布两项医疗基础模型预印本成果：RenalCLIP（面向肾癌精准肿瘤学的视觉-语言基础模型）与 DermINO（基于多视图混合预训练策略的皮肤科通用基础模型）。

开源项目

OpenOE-Lite —— OpenEvidence 风格循证医学问答系统的开源轻量级复现。仅需一个 LLM API key、零本地向量库、零语料处理，即可从 OpenAlex 的 2.5 亿篇开放学术文献中实时生成带引用对齐的循证回答。系统采用六阶段流水线（安全边界 → 三视角查询增强 → 多路检索 → RRF 去重排序 → 小模型证据门控 → 循证回答生成），模块化架构支持从 Lite 内核平滑升级至集成本地向量库与临床指南的完整 RAG。

Anji-Bridge 安济桥 —— 一个面向 LLM/Agent 的 PDF → 知识桥梁，将 PDF 转换为适用于大模型与智能体的结构化、语义化 Markdown/JSON。采用 PaddleOCR-VL 进行版面感知的 OCR，结合 Ovis2.5-9B 视觉-语言模型进行图像理解与描述生成，并在 AST 层面完成标题纠错、装饰性元素过滤、多格式导出等增强，支持批量处理与 base64 嵌入的可携带输出。

Mandarin Speech Prosody Benchmark (MSPB) —— Interspeech 2025 论文《Can AI Understand Mandarin Speech Prosody?》的配套仓库。MSPB 是一个语言学驱动的普通话韵律理解评测基准，包含 178 条经人工录制与专家校验的测试语料，覆盖 8 类任务（语气/语调、韵律歧义、焦点标记、焦点算子、等级含义、反语、带/不带语境的情感韵律），系统性评估 Speech LLM 在音系、句法、语义、语用多个层面对韵律线索的理解能力。

联系方式

• Email: wangzilong@microsoft.com
• GitHub: wizardlancet

Selected Publications