← back to home

TUM 黎子玥：模型这么大这么强，为什么还是「上不了路」？| IJCAI 2026

学术数据和真实数据完全是两回事；可解释性成落地“生死线”。 作者丨 幸丽娟 编辑丨岑 峰 三年前，正值大模型爆发之年，麦肯锡就曾对全球交通与工业领域的从业者做了一项调研，问题很朴素：距离真正的智能化，还有多远？ 答案出乎意料地悲观：还要10到20年。 而把时间线拉到现在，模型越来越大、智能体越来越多、时空数据挖掘的论文层出不穷。 现实依旧是，全球没有一座城市长期部署了基于强化学习的交通信号控制系统。那些在顶会上“超越所有SOTA”的预测模型，真正到了城市交通部门手里，他们的答案往往是：“这个方案，我不敢放手用。” 问题的症结在哪里？ 在刚刚结束的 IJCAI 2026 Early Career Spotlight（早期职业焦点）演讲中，慕尼黑工业大学 (TUM) W2 教授黎子玥（Ziyue Li）给出了他的答案： 第一，学术研究长期停留在“干净数据”的舒适区，而公共部门面对的，永远是不完整、不规整、不可控的真实数据； 第二，可解释性不是论文里的加分项，而是从实验室走向城市落地的“生死线”。 黎子玥的履历横跨学界与工业界：香港科技大学工业工程与决策分析系博士，现任慕尼黑工业大学W2教授