王同翰
助理教授
（多）智能体及其经济学
教育背景
2026年6-至今，于清华大学人工智能学院，担任助理教授。
2025年，获得哈佛大学计算机科学博士学位，师从David C. Parkes教授、Milind Tambe教授。
2021年，获得清华大学交叉信息研究院计算机科学硕士学位。
研究方向
未来世界是一个人类和AI智能体共生的世界。我们希望研究并解决这一转变过程中出现的关键科学问题。包括：
1、智能体及其基础模型的能力与演化。构建具备自我改进、长期规划、高效记忆能力的LLM/Embodied智能体。我们关注基础模型能力边界的突破、智能体的高层认知与决策能力。
2、智能体经济。理解并塑造人类与智能体共生的社会及其经济基础。我们关注智能体和生成模型作为新的经济主体如何参与市场、塑造偏好、配置资源与定价。
3、智能体集体智能涌现。理解多个智能体如何通过交互产生分工、合作、竞争、组织和集体智能。研究多智能体之间的推理能力演化、智能涌现，并设计促进这一过程的算法。
研究成果
• 王同翰助理教授的博士论文荣获Victor Lesser杰出博士论文奖——该奖项每年全球仅授予一位博士毕业生，旨在表彰智能体与多智能体系统领域的卓越博士研究。（点击查看获奖报道）
• 他曾荣获ACM EC 2024最佳论文奖（AI Track），并5次获得NeurIPS/ICLR Spotlight，3次获得AAAI/AAMAS/EC Oral。迄今已在NeurIPS、ICLR、ICML、EC、AAAI、AAMAS等顶级会议发表论文30余篇。
代表性工作介绍
• 在基础理论方面，王同翰助理教授利用深度学习方法攻克了博弈论与计算经济学领域的一大开放性难题——最优拍卖机制设计，并从实验角度回应了姚期智先生2017年关于“对齐保证”（DSIC）的理论工作。DSIC是微观经济学的基石性问题，亦被视为计算经济学与博弈论的“圣杯”之一。1981年，Roger Myerson曾给出单一物品机制设计的最优解，并因此荣获2007年诺贝尔经济学奖。王同翰的工作为国际首次提出的、严格保证DSIC的、适用多对象多参与者的深度学习机制设计方案。
• 其他工作系统性地研究了智能体与多智能体AI系统中的推理、协作、组织与激励机制。在大模型方向，他揭示了大模型的行为形成机制、可说服性的内部机理以及对齐机制，并据此实现高效的后训练方法；同时探索如何使LLM Agent更可靠、更可解释、更可治理。在Agent方向，他建模了多个自主智能体在共享环境中的探索、分工、沟通与组织演化过程，并在利益不完全一致时，通过机制设计与合约实现社会最优。