华东师范大学华东师范大学-上海纽约大学联合培养研究生项目（简称N.E.T.），，旨在加快双方联合研究建设，华东师范大学研究生将有机会师从上海纽约大学教授，获得独特的科研体验。为进一步激发学生科研兴趣，鼓励推动学生积极投入华东师范大学华东师范大学华东师范大学-上海纽约大学联合培养研究生项目（简称N.E.T.），旨在加快双方联合研究建设，华东师范大学研究生将有机会师从上海纽约大学教授，获得独特的科研体验。为进一步激发学生科研兴趣，鼓励推动学生积极投入N.E.T.项目，今年上海纽约大学再度联合华东师范大学共推第五届N.E.T.学生奖项。
经过多个环节的遴选，N.E.T.项目统计学专业博士研究生原航荣获第五届N.E.T.学术卓越奖（Research Excellence Award）。谈及此次获奖，他表示：“这份荣誉让我更加坚定了投身生成式人工智能研究的信念，也激励我不断探索新的可能。”
原航
华东师范大学—上海纽约大学联合培养研究生项目（N.E.T.）
2024级统计学专业博士研究生
探索生成式AI的无限可能
在上海纽约大学王丹教授的指导下，原航主要围绕生成式人工智能（Generative AI）开展研究，重点关注扩散模型（Diffusion Models）、大语言模型（Large Language Models）等前沿技术，致力于开发更加智能、可控且可靠的生成模型。
目前，他的研究涵盖文本驱动的三维人体动作生成、音视频数字人等多个方向，希望借助统计学理论与深度学习方法，让人工智能能够更准确地理解语言、生成动作，并实现更加自然的人机交互。
其中，一项代表性研究聚焦于如何将自然语言描述转化为逼真的人体动作。通过融合统计建模与深度学习技术，他探索机器如何学习语言、动作与人体表达之间复杂的对应关系，为数字娱乐、虚拟现实、人机交互以及智能内容生成等领域提供新的技术支持。
从数学出发，走进人工智能世界
原航与人工智能的缘分始于数学。本科期间，他便对数学严谨的逻辑体系和分析方法产生了浓厚兴趣。进入统计学博士阶段后，随着接触生成式人工智能领域，他逐渐发现，抽象的统计理论不仅能够解释现实世界，更能够驱动机器创造出具有真实感和表现力的内容。“最吸引我的是，抽象的统计理论最终能够发展成为可以生成真实人体动作、甚至进行自然交流的人工智能系统。”原航说，“看到数学真正转化为能够解决现实问题的技术，这让我坚定了继续从事这一领域研究的决心。”
他尤其关注近年来快速发展的扩散模型（Diffusion Models）和Flow Matching等生成模型框架：“我觉得非常神奇的是，一个模型能够从随机噪声开始，逐渐生成逼真的图像、语音甚至人体动作，而这一过程背后蕴含着优雅的数学原理。”
在跨学科探索中突破科研挑战
生成式人工智能研究需要融合统计学、计算机科学、艺术等多个领域的知识，这也意味着科研过程中充满挑战。对于原航而言，最大的困难之一，是如何让机器建立自然语言与三维人体动作之间的对应关系。由于文本和动作属于两种完全不同的数据表达形式，传统模型往往难以准确理解二者之间复杂而细微的联系。
“为了突破这一问题，我们不仅需要不断优化模型架构，还要学习不同学科的方法，并与艺术领域的研究者开展合作。”他说，“这一过程让我深刻认识到，坚持探索和跨学科合作，是推动科研创新的重要动力。”
良师引路，助力科研成长
回顾自己的科研之路，原航将自己的成长归功于导师王丹教授的悉心指导。在他看来，王教授始终坚持严谨的学术标准，同时，鼓励大家在扎实理论基础上探索新的研究方向。
“王教授总是鼓励我深入思考研究背后的理论问题，也关注研究成果能否真正解决实际问题。”原航表示，“无论是论文修改还是新课题探索，她都会耐心引导我反复推敲研究思路，帮助我不断完善研究方案。她不仅教会我如何开展科研，更让我学会以批判性的眼光分析问题，以开放的心态探索新的可能。”这种严谨而开放的培养方式，也让他逐渐成长为一名能够独立开展科研工作的研究者。
创新灵感在融合中生长
对于生成式人工智能研究而言，原航认为，创新往往产生于不同领域知识的融合。N.E.T.项目为他提供了与不同学科研究者交流的机会，也让他不断拓展研究思路: “这种融合不仅拓宽了我的研究方向，也让我更加关注人工智能如何真正创造社会价值。”
对于未来，原航希望继续围绕生成式人工智能的理论基础与实际应用开展研究，进一步探索多模态世界模型（Multimodal World Models）以及生成模型的统计理论，为推动人工智能技术的发展贡献自己的力量。“这份荣誉给予了我继续前行的动力。”原航表示，“未来，我希望不断突破生成式人工智能的边界，让统计学理论真正转化为具有现实价值的创新技术。”