9 月 2 日，网易科技获悉，前字节跳动强化学习专家、前腾讯 Robotics X 智能体中心负责人孙鹏正式加入星尘智能，将重点负责机器人强化学习方向的技术研发与应用探索。
孙鹏毕业于清华大学，先后在康奈尔大学和罗格斯大学从事博士后研究，过去十余年的研究与实践围绕强化学习和智能体展开。早期在腾讯 AI Lab 及 Robotics X 期间，他担任智能体中心负责人，利用深度强化学习和对抗博弈训练轮式机器人，实现端到端主动目标跟随，并研发《星际争霸》AI 智能体 TStarBots、TStarBotX。加入字节跳动后，他主导开发强化学习基础设施 ByteRL，支撑多款自研游戏 AI 训练，其团队曾获 IEEE CoG 2023 策略卡牌 AI 竞赛冠军，研发的《炉石传说》AI 达到击败行业顶尖选手的竞技水平。
大模型兴起后，孙鹏将强化学习积累转向 LLM 后训练。在字节 AI Lab/ByteResearch 期间，他作为项目负责人参与发布强化微调方法 ReFT（Reinforced Fine-Tuning）及数学推理智能体 DeltaProver；在 Seed 团队深度参与模型 RLHF 与预训练。
据悉，孙鹏加入星尘智能后，将继续扩充机器人强化学习团队，并参与星尘具身模型、机器人强化学习及后训练体系建设。（袁宁）
