博客 | 李禹陈 | Yuchen Li

海德堡学者论坛：我一直在寻找的世外桃源

Tue, 13 Oct 2026 00:00:00 +0000

海德堡学者论坛是我参加过最好的一场学术活动，没有之一。海德堡又是这样一个具有德国古典小镇风格的学术圣地（还躲过了二战的炮火），以至于我都不舍得在小红书上分享，怕知道的人太多，明年会有 2 万个人申请，到时候录取率不到百分之一就不好玩了。只好在朋友圈里跟大家分享、安利一下。

海德堡学者论坛是一个面向数学和计算机青年学者的交流论坛。每年大概会有 200 位青年学者参加，包括本科生、研究生、博士后以及青年科学家，一半来自计算机，一半来自数学。大家做的方向都非常 diverse，做 AI 的人并没有那么多，让我感叹数学、计算机学者里居然也是有人不做 AI 的，哈哈（可能是因为自己陷入 AI 的浓度太高了）。

当然，今年的会议上也屡屡提起 AI，因为大家对 AI 还是有很强的危机意识。也有一些学者加入了 AI 的征途中（如今年的菲尔兹奖获得者 Jacob，他就加入了 OpenAI，并且成立了 Maisi），也有一些还在顽强抵抗。

现场有 20 多位菲尔兹奖、诺贝尔奖、图灵奖、阿贝尔奖、ACM 计算奖的获得者，也算是见到了那些曾经只存在于书本里的人物，计算机和数学界的先驱、祖师爷。在这里，你可以和他们促膝长谈，也可以在不同的活动上和他们打招呼、合影。我觉得和他们聊天时，最明显的感受就是：他们也是一个个活生生的人，没有任何架子，也给了我很多哲学上的思考（因为数学理论我听不懂）。

当然，我觉得最开心的还是和一群青年人一起 social、一起唱歌跳舞、一起 happy。虽然在科研时间大家可能都是 nerd，但是一到 party 时间，又纷纷迸发出了第二人格，高能量、高光环，非常尽兴地玩耍。

学者们来自 60 多个不同的国家，非常像一个地球村。主办方 HLFF 也非常细致地安排了全部行程，在学术和社交上做到了很好的平衡，也带我们打卡了海德堡的景点、城堡、庄园，以及各式各样好吃的。从某种程度上来说，这也是我一直在寻找的世外桃源。

关于寻找“世外桃源”的想法，是 2020 年我在 KAUST 参加学术海报比赛时萌生的。口语拙劣的我，第一次感受到这样一种氛围：像一个地球村，大家可以谈天说地，对无穷的远方和无数的人感兴趣。进可学技术，退可聊二次元、rap。再到后来，DBA 让这种 social 达到了顶峰，之后又急转直下，直至戛然而止；后来，我又逐渐变成了一个科研 i 人。

会有人问，参加这种活动有什么意义？

什么是意义呢？

暂停学校里的科研一周，去另一个陌生的国度当一个“社交恐怖分子”，结识一群不同的人，进入不同的身份，仿佛把人生多活了一遍。

桃花源的存在本身，就是意义吧。

哦对了，以上的一切都是有 HLFF 资助的。我也获得了 Abbe Grant issued by the Carl-Zeiss-Stiftung。当然，这些都是最微不足道的。如果有机会、有时间，我还会再来的！

Perceptio：让视觉语言模型先“画出空间”，再回答

Tue, 06 Oct 2026 00:00:00 +0000

论文： arXiv 2603.18795 · Hugging Face · 知乎长文

问题

大视觉语言模型很擅长回答图里“有什么”，却常常说不清“在哪里”。问它两个物体哪个离相机更近，或者让它分割“左数第二个杯子”，模型只能在内部隐式地推断几何关系，从不写出一个可供检查的空间解释。

思路：先感知，再回答

Perceptio 把感知过程放进 token 序列。在作答之前，模型会在同一条自回归序列里先生成两类空间 token：

分割 token：基于 SAM2，用来定位被提及的物体；
深度 token：来自一个从强单目深度教师模型蒸馏得到的 VQ-VAE 码本，把稠密深度图压缩成一段简短的离散序列。

随后，答案以模型自己画出的这张“空间草图”为条件。可以把它理解为一条由掩码和深度码、而不是文字组成的思维链；而且这些 token 能解码回掩码和深度图，所以这条思维链是可以被直接查看的。

让深度 token 可训练

只用普通的下一个 token 损失来生成大段深度码并不稳定。两点改进起了作用：

组合式深度 token 目标：marker、token 与 count 三种损失联合使用；
软合并（soft merging）：让由预测 token 重建深度的过程可微，从而模型也会在它“隐含”的深度图上得到监督。

模型以 InternVL 为基座，在多任务数据上联合训练，同一套感知 token 同时服务于分割、空间问答与通用 VQA。

结果

与论文中报告的最强基线相比：

基准	提升
指代分割 RefCOCO / RefCOCO+ / RefCOCOg（cIoU）	+0.8 / +1.4 / +1.1
HardBLINK 空间理解（准确率）	+10.3%
MMBench（准确率）	+1.0%

我最看重的是 HardBLINK 上的提升：在这个基准上，“看得更仔细”没有用，显式的几何信息才有用。

下一步

我认为显式、可检查的中间感知，是多模态模型空间推理乃至世界模型的一个好方向，这也是我博士毕业后想继续深入的方向。

本工作完成于我在 Amazon（Prime Video）实习期间，合作者为 Amanmeet Garg、Shalini Chaudhuri、Rui Zhao 与 Garin Kessler，在此致谢。

关于我的一切，已核实：报道、论文与社交媒体的双语索引

Wed, 30 Sep 2026 00:00:00 +0000

打开完整交互式索引 → /press/

叫「李禹陈」的人不少——甚至有一部小说，两位主角的名字连起来正好是「李禹陈」。所以在汇总中英文媒体上关于我的内容时，我只定了一条规则：第三方内容必须在正文中同时出现 李禹陈 / Yuchen Li 与一个身份锚点——MBZUAI、KAUST、南科大–KAUST 3+2 联培、南科大 2017 级、第 13 届海德堡学者论坛、迪拜商业英才项目、我的账号（@Dr_Yuchen、@yuchenlichuck、迪拜王子）或我的论文——才会被收录。索引中的每一条都标出了将其与我关联起来的原句。

收录内容

媒体报道（中文）——36氪与腾讯新闻对五源资本「72小时AI生存挑战」的报道，以及我的 Bilibili 专集「AI博士的极限72小时」；《掘金中东》关于中东留学的播客（喜马拉雅 / 小宇宙 / Apple Podcasts）；嘉程资本对我「中东2030愿景」演讲的实录；深圳市国际交流合作基金会关于迪拜商业英才项目的两篇文章；知乎上对 Perceptio 的深度解读；以及南科大官方双节特辑中引用我在中国驻阿联酋大使馆招待会上的感受。
论文、荣誉与研讨会——第 13 届海德堡学者论坛（HLF 2026）青年研究者入选及卡尔蔡司基金会 Abbe Grant（前 3%）、Perceptio（arXiv 2026）、UCanDance（Sony AI & MBZUAI 2026）、3DCoMPaT++（TPAMI 2025）、Exploring Scaling Laws of PointNets（3DV 2025 Nectar Track Spotlight）、PointNeXt（NeurIPS 2022）、3D CoMPaT（ECCV 2022 口头报告）、Prototypical Random Walks（AAAI-21 研讨会），以及我参与组织的 CVPR 2023 C3DV 研讨会。
校园与母校——2017–2021 年南科大系与书院公众号，以及合肥八中的物理竞赛与 2017 届相关推文。
社交媒体——小红书「迪拜王子」（6.1K 粉丝）阅读量最高的 18 篇笔记、知乎「南小环」的高赞回答与文章，以及 X、LinkedIn、Instagram 的近期帖子。
舞台分享——36氪 WAVES 2025「Let’s WAVES」脱口秀之夜（36氪回顾 + 暗涌Waves 视频）、嘉程创业流水席演讲视频、林克岛充电计划回顾。

使用方式

可按类型（报道、视频、播客、社交、论文、校园）或语言筛选，也可搜索任意标题、来源或依据；顶栏可在英文与中文界面间切换。标为「已核实」的来自第三方，标为「本人账号」的由我本人发布。

索引为人工整理，最近更新于 2026 年 10 月 24 日（学术引用量随 Google Scholar 自动刷新）。微信文章链接经搜狗微信获取、可能过期；打不开时请在微信内搜索标题。

浏览索引 → /press/