丰瑞实验室
Fengrui Lab
面向物理世界的 AI 科学家。
我们构建全栈智能体系统，让科学推理与持续变化的物理世界紧密相连。
团队介绍
丰瑞实验室（Fengrui Lab）是哈尔滨工业大学的科研团队，由 Stamoulis Dimitrios 教授带领，依托计算学部和智慧农场技术与系统全国重点实验室开展研究。全国重点实验室主任为刘劼教授（IEEE Fellow）。
我们正在招募新成员。 欢迎对智能体、科学发现和真实世界系统感兴趣的同学与研究人员加入。
研究愿景
我们的目标是构建能够处理复杂、长周期科学任务的 AI 科学家。这些任务中的证据与结果会随空间和时间不断变化。科学研究不止于一次预测，更需要提出假设、设计实验、解释结果，并随着新观测的到来持续修正判断。
我们围绕这一目标开展全栈研究，涵盖信息物理系统中的事件驱动世界模型、边缘部署、多智能体控制与编排、科学假设生成、多模态推理和可复用知识库。我们的评测体系关注完整科研流程，考察决策质量、实际影响以及资源开销。
我们将这些方法应用于智慧农业、智能建筑、智慧城市与低空智能系统，以及包括作物育种在内的生物工程。真实数据与物理约束为研究提供检验基础。我们希望让专家级科学探索更易获得、更可复现，并在实践中发挥作用。
发表论文
近期论文
-
EMNLP 2026(Accepted) CCF-B
CoFiE: Coarse-to-Fine Evidence Selection for Efficient Streaming Video Understanding
CoFiE 采用由粗到细的两阶段证据筛选框架，实现高效的流式视频理解：首先在视觉编码前，根据视频帧是否包含新信息过滤冗余帧；在大语言模型（LLM）的预填充阶段，根据查询进一步筛选相关证据。CoFiE 在 StreamingBench 和 OvO-Bench 上的准确率分别达到 78.86% 和 68.72%，最多可过滤 80% 的证据帧，端到端推理速度最高达到原来的 2.54 倍。
-
PRICAI 2026 (Accepted) CCF-C
Position: We Should Evaluate Agentic Memory as Inference, not as a Tape Recorder
本文认为，智能体记忆本质上是一种推断过程：利用过去的经验，在不确定条件下形成判断。对记忆的评测围绕这一过程展开。提出与架构无关的记忆失效分类，包括图式主导、轨迹碎片化和来源信息丢失；通过固定提示线索与架构、干预情景记忆证据进行评价。任务准确率在统计上难以区分的模型，在干预测试中出现明显差异，尤其体现在来源追溯方面。
URL pending
-
ACM SIGSPATIAL 2026 (Accepted) CCF-C
Deploying and Evaluating a Smart-Agriculture Agentic Engine for Full-Season Soybean Farm Operations
FAIRY 是部署于实际运行的大豆科研农场的全栈智能体引擎，采用“一切皆为事件”的执行范式，将感知、作物生长阶段转换、农机作业和管理干预统一表示为共享过程引擎中的状态变化事件。在一百个全季场景中，对九类智能体控制器的任务成功率、全路径时空正确性、Token 成本及边缘设备运行表现进行评测。
-
LAW 2025NeurIPS Workshop
CORE: Full-Path Evaluation of LLM Agents Beyond Final State
基于有限自动机的全路径评测框架，通过五项指标评价智能体的完整执行过程，而不仅判断最终答案是否正确。