董谨豪，博士，中国人民大学信息学院讲师，入选中国人民大学「吴玉章青年英才」计划，任职于杜小勇教授所在的数据工程与知识工程教育部重点实验室。2025 年于北京大学计算机学院获得计算机软件与理论博士学位（导师：郝丹 教授），2016—2020 年就读于西安电子科技大学计算机学院软件工程专业。博士期间于 2023—2024 年在新加坡国立大学计算机学院担任访问学者。

研究方向聚焦大模型（LLM），具体包括：代码大模型（预训练、强化学习、Code Agent）、大模型智能体（记忆管理、工具使用、浏览器 Agent、通用智能体平台 OpenClaw）、大模型基础设施（长上下文 KVCache 压缩、鲁棒微调）。已在 ICML、NeurIPS、KDD、ICSE、ASE 等 CCF-A 类顶级会议及期刊发表论文 17 篇，其中第一作者/通讯作者 11 篇。

现任小米大模型 Core 团队技术顾问，是小米 MiMo 系列大模型的核心贡献者，深度参与 MiMo 系列大模型的预训练、Code Agent 强化学习、浏览器 Agent、OpenClaw Agent。核心贡献的 MiMo-V2-Pro 大模型在 Artificial Analysis Intelligence Index 排名全球第八、中国第二，OpenRouter 全球调用量蝉联 Top1。主导筹建中国人民大学—小米基座大模型联合重点实验室（学校新政策以来首个联合重点实验室），任实验室技术委员会委员，聚焦国产基座大模型与智能体平台研发。

课题组长期面向优秀本科生和研究生开放科研实习机会，另外如果对小米大模型 Core 团队实习感兴趣，欢迎联系 dongjinhao@ruc.edu.cn。

个人主页：https://dongjinhao-ruc.github.io/
邮箱：dongjinhao@ruc.edu.cn
Google Scholar：https://scholar.google.com/citations?user=rhlk1_UAAAAJ

教育经历

• 2020 年 9 月 — 2025 年 7 月　北京大学 计算机学院，计算机软件与理论，博士（导师：郝丹 教授）
• 2023 年 11 月 — 2024 年 11 月　新加坡国立大学（NUS）计算机学院，访问学者（合作导师：Jun Sun 教授、Yun Lin 教授、Jin Song Dong 教授），研究可信代码生成与合并冲突解决
• 2016 年 9 月 — 2020 年 7 月　西安电子科技大学 计算机学院，软件工程，学士

工作经历

• 2025 年 8 月 — 至今　中国人民大学 信息学院 数据工程与知识工程教育部重点实验室，讲师
• 2025 年 8 月 — 至今　中国人民大学—小米基座大模型联合重点实验室，技术委员会委员
• 2024 年11月 — 至今　小米 大模型 Core 团队，技术顾问

研究方向

致力于大模型（LLM）研究，构建下一代可信、通用、自主的大模型与智能体系统。具体研究方向包括：

1. 代码大模型（Code LLM）：代码预训练与后训练、Code Agent 强化学习
2. 大模型智能体（LLM Agent）：Agent 的规划与记忆管理、工具使用、浏览器智能体、多智能体协作、Agent 交互数据合成
3. 大模型基础设施（LLM Infra）：长上下文推理加速（KVCache 压缩量化）、大模型鲁棒微调
4. 通用智能体平台：OpenClaw 通用智能体系统、大规模真实用户场景数据构造与训练

讲授课程

• 《RUST 系统编程与实践》

科研项目

• 中国人民大学—小米基座大模型联合重点实验室横向项目「代码大模型训练与大模型推理优化项目」【学校新政策以来首个联合重点实验室】

科研成果

更多成果见个人主页 https://djjjjhao.github.io/

总计：CCF-A 类顶级会议及期刊论文 17 篇，其中第一作者/通讯作者 11 篇。

标注说明：* 表示通讯作者（Corresponding Author）

[1] Xiaomi LLM-Core Team. MiMo: Unlocking the Reasoning Potential of Language Model – From Pretraining to Posttraining. 技术报告 (Technical Report), 2025.（核心贡献者）

[2] Xiaomi LLM-Core Team. MiMo-VL Technical Report. 技术报告 (Technical Report), 2025.（贡献者）

[3] Xiaomi LLM-Core Team. MiMo-Audio: Audio Language Models are Few-Shot Learners. 技术报告 (Technical Report), 2025.（贡献者）

[4] Wenhao Li, Jinhao Dong*, Hailin Zhang, Wenhang Shi, Wei Lu, Xiaoyong Du. RaBitQCache: Rotated Binary Quantization for KVCache in Long Context LLM Inference. ICML 2026. (CCF-A)

[5] Wenhang Shi, Yiren Chen, Shuqing Bian, Zhe Zhao, Jinhao Dong*, Pengfei Hu, Wei Lu, Xiaoyong Du. Training Prompt Matters: State-Adaptive Prompt Optimization for Robust Fine-Tuning (SAPO). ICML 2026. (CCF-A)

[6] Wenhang Shi, Jinhao Dong*, Yiren Chen, Zhe Zhao, Shuqing Bian, Wei Lu, Xiaoyong Du. Scaling Agentic Capabilities via Grounded Interaction Synthesis (GAIS). KDD 2026. (CCF-A)

[7] Xiaoyang Li, Jinhao Dong*, Wenhang Shi, Wei Lu, Xiaoyong Du. BiVCoder: A Multi-Agent Framework for Code Generation via Bidirectional Code-Test Diagnosis. KDD 2026. (CCF-A)

[8] Jinhao Dong, Jun Sun, Wenjie Zhang, Jin Song Dong, and Dan Hao. ConTested: Consistency-Aided Tested Code Generation with LLM. ISSTA 2025. (CCF-A)

[9] Jinhao Dong, Jun Sun, Yun Lin, Yedi Zhang, Murong Ma, Jin Song Dong, and Dan Hao. Revisiting the Conflict-Resolving Problem from a Semantic Perspective. ASE 2024. (CCF-A)

[10] Jinhao Dong, Qihao Zhu, Zeyu Sun, Yiling Lou, and Dan Hao. Merge Conflict Resolution: Classification or Generation? ASE 2023. (CCF-A)

[11] Jinhao Dong, Yiling Lou, Dan Hao, and Lin Tan. Revisiting Learning-based Commit Message Generation. ICSE 2023. (CCF-A)

[12] Jinhao Dong, Yiling Lou, Qihao Zhu, Zeyu Sun, Zhilin Li, Wenjie Zhang, and Dan Hao. FIRA: Fine-Grained Graph-Based Code Change Representation for Automated Commit Message Generation. ICSE 2022. (CCF-A)

[13] Wenxin Xiao, Hao He, Weiwei Xu, Xin Tan, Jinhao Dong, and Minghui Zhou. Recommending Good First Issues in GitHub OSS Projects. ICSE 2022. (CCF-A)

[14] Yiling Lou, Qihao Zhu, Jinhao Dong, Xia Li, Zeyu Sun, Dan Hao, Lu Zhang, and Lingming Zhang. Boosting Coverage-Based Fault Localization via Graph-Based Representation Learning. ESEC/FSE 2021. (CCF-A)

[15] Feng Li, Yiling Lou, Xin Tan, Zhenpeng Chen, Jinhao Dong, Yang Li, Xuanzhi Wang, Dan Hao, and Lu Zhang. What Can We Learn from Quality Assurance Badges in Open-Source Software? Science China Information Sciences (SCIS).

[16] Jinhao Dong, Yiling Lou, and Dan Hao. SRRTA: Regression Testing Acceleration via State Reuse. ASE 2020 NIER Track.

[17] Jianyi Zhou, Feng Li, Jinhao Dong, Hongyu Zhang, and Dan Hao. Cost-Effective Testing of a Deep Learning Model through Input Reduction. ISSRE 2020.

[18] Jinhao Dong, Tong Lin. MarginGAN: Adversarial Training in Semi-Supervised Learning. NeurIPS 2019.（本科期间第一作者顶会论文）

社会兼职

• 中国人民大学—小米基座大模型联合重点实验室 技术委员会委员
• ICSE 2026 Research Track 程序委员会 PC Member (CCF-A)
• ASE 2025 Research Track 程序委员会 PC Member (CCF-A)
• ASE 2024 Research Track 程序委员会 PC Member (CCF-A)