闫晓硕，软件学院2023级人工智能专业硕士研究生，中共党员，师从孟雷教授，专注深度学习与因果学习，致力于解决算法在真实世界中的长尾偏差问题。他以第一作者身份在AAAI、IJCAI国际顶会发表论文两篇，获得美国大学生数学建模竞赛国际一等奖、软件创新大赛国家二等奖等国家级奖项，曾获国家奖学金、山东大学优秀毕业生、山东大学优秀共青团员、山东大学学业奖学金等荣誉。

科研探索

闫晓硕的科研之路，聚焦于复杂多变的真实应用场景。他所聚焦的长尾图像分类与因果学习研究，主要面向真实世界中极度不均衡的复杂数据，这一研究方向也引导他在探索中不断追问：在充满“偏见”的数据面前，智能算法如何真正保持客观与公平。

在长尾图像分类的研究初期，闫晓硕并没有仅局限于标准数据集上的跑分比拼。在尝试将视觉算法向真实场景推进时，一系列现实挑战逐渐显现：占据数据主导地位的常见样本很容易被模型精准识别，而那些处于“长尾”末端的稀有样本——往往代表着特殊场景、边缘情况或特定群体的需求被模型误判与忽略。他逐渐意识到，这种由于数据极度不均衡导致的“模型偏置”，并非单纯需要被掩盖的统计误差，而是真实应用场景向人工智能的公平性与可靠性提出的具体考验。

在实验室导师的悉心指导下，闫晓硕逐渐找准了解决问题的关键点。面对模型在长尾数据上的失真，他没有盲目地通过堆砌算力去强行拟合，而是耐心剖析每一次异常预测背后的逻辑成因，通过引入结构因果模型与因果干预手段，剥离虚假关联、切断混杂因素的干扰，构建起能够适应复杂数据分布的认知模型。这一系列深入底层的理论调整，使他的研究逐步从单纯关注测试集精度，转向切实回应真实世界中算法对“罕见但关键”样本的泛化能力。在这个过程中他也深刻体悟到，人工智能基础研究既需要严密的数学推演，也离不开对技术局限的审视与创新。

项目实践

优秀的算法不应该只躺在论文里，而是要能真真切切地解决现实中的问题。闫晓硕对应用场景复杂性的认知，始于早期的学科竞赛。在全国大学生智能车竞赛中，他第一次切实感受到了理论与现实的“摩擦感”：在仿真环境中运行稳定的控制模型，一旦落地到微控制器与实体车轮上，就会受到传感器噪声、赛道摩擦力等各类现实变量的干扰。结合在美国大学生数学建模竞赛中，用数学语言降维拆解复杂系统的经验，这些实践淬炼了他直面系统不确定性、解决工程落地难题的底气。

带着将技术落地的目标，闫晓硕以算法实习生的身份加入美团，接触到了海量的真实工业数据。在参与POI（兴趣点）数据关系建设的工作中，他发现工业界的挑战远比标准数据集复杂得多：这里的模型不能只追求测试集上的指标提升，更要应对长尾的边缘场景与严格的系统响应延迟。在这个项目中，他不再局限于单一算法的调优，而是负责了从底层逻辑设计、多模态数据处理到系统架构搭建的全链路工作。当算法逻辑最终转化为切实可用的分析功能时，他更加确信：算法的最终意义就是跨越实验的边界，去完成真实世界的具体需求。

生活哲学

科研生活高强度，但闫晓硕懂得留白。他自称“低精力人群”，却通过高效管理，让有限精力产生无限价值。他不仅在学术上追求精准，也在生活中寻找平衡。阅读、旅行、健身、和朋友讨论新鲜事物……这些看似与科研无关的小细节，却成为他保持热情的源泉。

作为党支部委员，他积极组织各类活动，也乐于在实验室里帮助师弟师妹。大家在模型调试或代码实现上遇到困难时，他会分享自己的经验，一起讨论解决办法。他觉得，科研和生活都不是一个人孤立完成的，而是需要在团队中相互支持、共同进步。

他的人生哲学可以用一个词总结——“多维”：科研有深度，实践有广度，生活有温度。每一个维度都被他认真对待，每一个维度都丰富了他的人生。

（文/图：闫晓硕 林霞 责任编辑：许信顺）