具身与涌现:机械也能有步态
在 Strandbeest 这样的仿生机械中,简单的连杆几何为什么能产生如同生物一般的步态?无机物质在力学约束下的自主协调,是理解具身智能的一面透镜。

我叫冯宇,是一名大模型算法工程师。这是我的个人博客:放着学习时写下的笔记、动手做过的实验,以及一个始终在追问的核心母题——智能是什么?
在日常的工程与算法实践中,我常与数据、损失函数和训练集群打交道。但穿过这些工程细节,最让我着迷的始终是那些本质性的疑问:简单的构件为何能涌现出复杂的协调?统计概率怎样凝聚出推理能力?智能体又如何知道‘如果当初换一种选择会怎样’?
从机械连杆的具身步态,到大语言模型的表征空间;从因果推断的世界模型,到递归自我改进(RSI)与元认知——我将这些方向视作环绕在‘智能’这一引力核心周围的不同轨道。在这里,推导、代码、长文与可以亲自动手拨弄的小实验并存。
我也将学术界探索智能的二十个主要传统整理成了一张思想地图。面对‘统一原理、共同组织、还是机制多样性’这三种期待,我不提前预设结论,而是记录每种理论解释了什么、又把什么留在了外面。欢迎查阅智能的 20 个路线家族与分歧地图。
你可以从一篇感兴趣的文章读起,也可以去看看那些能动手试的小实验。若有不同的想法,欢迎写信给我。
在 Strandbeest 这样的仿生机械中,简单的连杆几何为什么能产生如同生物一般的步态?无机物质在力学约束下的自主协调,是理解具身智能的一面透镜。
模型怎样从海量文本中压缩出对世界的表征,统计规律又在何时跨越为语义理解?从语料构建、注意力机制到出错分析,都是我靠近这些问题的方式。
相关并不等于因果。一个智能体怎样区分‘看到了什么’与‘若采取行动会如何’?因果推理与博弈搜索让我反复审视反事实推演与决策的边界。
递归自我改进(RSI)与元认知:一个智能系统能否具备对自身思维模式的自省能力,并以安全、可验证的方式持续重构自身策略?这是我长期的核心课题。
关于我 / 这条路的起点
我叫冯宇,在这里使用“枫语”这个名字。研究生阶段开始关注智能之后,因果推理、强化学习和大模型逐渐成为我探索同一个问题的不同入口:智能如何从反馈中学习,又如何知道自己变得更好了?
南京邮电大学 · 信息管理与信息系统本科
从信息、数据与系统的基础出发,为之后进入计算机科学和智能研究积累工具。
中国传媒大学 · 计算机科学与技术硕士
从研究生阶段开始关注智能。研究动态因果推理与机器学习模型优化,参与医疗诊断因果图系统、网络攻击因果建模,以及人工智能课程教材的编写和算法实现。
大模型算法工程师
把研究中的问题带进工程实践:从生产预测、Text-to-SQL,到 GraphRAG、知识平台与多智能体系统。也在设计自动化科研闭环,探索研究系统如何根据反馈改进自身。