欢迎来到 T-lab

T-lab 团队针对 GRPO 在小模型推理任务上的能力瓶颈，提出 G²RPO-A：基于自适应指导的策略优化算法，让小模型在群体相对策略优化中得到结构化外部指引，显著提升其在数学与推理任务上的表现。相关论文被 ACL 2026 主会议接收。

T-lab 团队针对充电站升级为快充站的最优时机问题，建立经济性分析框架，结合需求增长与升级成本，量化运营商在不同电网与车流条件下的最佳决策窗口。相关论文发表于 IEEE Transactions on Transportation Electrification (TTE)。

T-lab研究团队提出有限理性贝叶斯博弈框架，首次将前景理论应用于电动车高速公路充电决策分析。相比传统模型，司机总社会成本降低44%，充电站日购电成本下降29%，排队长度峰值最高缩减4倍。该研究发表于IEEE IoTJ（JCR一区，IF 9.6）。

由腾讯AI Lab与香港中文大学（深圳）合作提出的AutoDeco，在Transformer中加入轻量预测头，让模型按上下文动态预测temperature与top-p，并以可微soft top-p替代硬截断，实现端到端训练与解码一体化。实验在多模型/多任务上达到或超越调参基线，延迟开销约1.7%，并初显"自然语言控制解码"能力。详见报道。

T-lab团队参与车网互动相关科研，实现新能源汽车与电网灵活互动。详见中新网报道。

T-lab在换电站定价策略和充电优化方面的研究成果获得行业关注，相关论文发表在IEEE Transactions on Mobile Computing (TMC)期刊上，为换电站市场的理论研究和实践应用提供了新的思路。

深视新闻采访了唐晓莹教授，她谈到深圳用电量增长与新质生产力的发展密切相关，产业的算力中心、数据中心的建设以及研发活动都需要大量电力支持，体现了深圳在数字化转型方面的快速发展。

学校官方公众号对唐晓莹教授在基础算法创新方面的贡献进行了专题报道，作为AI新星系列报道的第十三位学者，展现了其在多领域应用中的探索与实践。

T-lab课题组研发的车网互动系统算法在该项目中获得应用，为我国大规模车网互动示范工程提供了技术支撑。详见央视网报道。

机器之心报道了T-lab发表在The Thirteenth International Conference on Learning Representations (ICLR 2025)的最新研究，TRACE模型通过因果事件建模，为视频理解领域的时间定位任务提供了新的技术路径。

唐晓莹教授受深圳市人才工作局邀请，作为深圳高校青年人才代表之一，参加《来了就是深圳人》的制作。