TUM 黎子玥：模型这么大这么强，为什么还是「上不了路」？| IJCAI 2026

学术数据和真实数据完全是两回事；可解释性成落地“生死线”。

作者丨幸丽娟

编辑丨岑 峰

三年前，正值大模型爆发之年，麦肯锡就曾对全球交通与工业领域的从业者做了一项调研，问题很朴素：距离真正的智能化，还有多远？

答案出乎意料地悲观：还要10到20年。

而把时间线拉到现在，模型越来越大、智能体越来越多、时空数据挖掘的论文层出不穷。

现实依旧是，全球没有一座城市长期部署了基于强化学习的交通信号控制系统。那些在顶会上“超越所有SOTA”的预测模型，真正到了城市交通部门手里，他们的答案往往是：“这个方案，我不敢放手用。”

问题的症结在哪里？

在刚刚结束的 IJCAI 2026 Early Career Spotlight（早期职业焦点）演讲中，慕尼黑工业大学 (TUM) W2 教授黎子玥（Ziyue Li）给出了他的答案：

第一，学术研究长期停留在“干净数据”的舒适区，而公共部门面对的，永远是不完整、不规整、不可控的真实数据；

第二，可解释性不是论文里的加分项，而是从实验室走向城市落地的“生死线”。

黎子玥的履历横跨学界与工业界：香港科技大学工业工程与决策分析系博士，现任慕尼黑工业大学W2教授，此前任科隆大学W1教授；曾在斯图加特贝尔实验室、香港地铁、商汤科技辗转于科研与产品之间。他既在KDD、IJCAI、ICLR、NeurIPS等顶会发表大量研究成果，也亲手将研究推向真实部署，亲历过从论文到产品的每一道坎。

他在演讲中，进一步用自己在学界与工业界之间摸爬滚打的经历，凝练出一个他称之为“PDE三角”的框架——感知（Perception）、决策（Decision）、解释性（Explanation），试图弥合学术研究与公共部门落地之间的那道鸿沟。

同时，他还描绘了一条从人工主导走向自动化的技术路径：描述性分析（发生了什么）到诊断性分析（为什么发生），再到预测性分析（将要发生什么），最终抵达规范性分析（应该怎么做）。

这条技术路径，也是一份写给整个AI研究社区的“诊断”指南：当你的模型在基准测试上排名第一，但城市管理者依然不敢按下那个开关时，问题不全在城市管理者身上，也不全在研究社区身上，而在于两者之间缺乏有效的转化机制。

以下是黎子玥教授的演讲分享，AI科技评论根据其演讲内容进行了不改原意的编辑：

TrafficPDE: A Guidebook to Deployable AI-Driven Transportation Systems——Through the Perception-Decision-Explanation Triangle（TrafficPDE：可部署AI驱动交通系统指南——基于感知-决策-解释性“三角”框架）

01

从“DB ”说起：一个研究者的困惑

大家可以看到这个DB的logo吗？在座的各位，有没有人跟德铁（DB）有过struggle的？

所以我觉得这可以成为一个特别好的起点，来聊聊我们如何用机器学习来做这件事，以及结合我过去四到六年在交通领域摸爬滚打的经历，谈一谈我们到底如何为公共部门做出真正有用的研究。

我们启动了一个项目，叫 “DB Delays” （列车延误系统），并且我们做了一个开源平台。你基本上随便输入一个城市，比如柏林，点进去，就能看到所有列车实时的运行轨迹。你点一下那个按钮，从ICE到区域列车（RE），所有车在哪儿、怎么在动，一目了然。

更关键的是，我们一旦知道了过去发生了什么，就能确切地知道这趟车到底晚点了多久。在此基础上，我们就能理解、甚至预测未来可能发生什么。在不同粒度上——从一个州到另一个州，到不同城市，甚至精确到你平时常坐的那趟车。我自己就经常坐火车，我打开这个界面，就能知道：哎，我眼前这趟车，它真的晚点了。

这是我心目中一个真正由AI驱动、数据驱动的智慧城市和智慧交通应该有的样子——一切运转丝滑。但现实是，我们仍然需要一本“指南手册”（Guidebook）来弥合这个差距。我等会儿会重点讲这个差距到底是什么。

我们做了那么多研究，但很多时候，那些花哨的时空数据、智慧交通论文，并没有真正惠及公共部门。

所以我就在想，我在这次“早期职业聚焦”演讲，到底能讲什么值得说的贡献点？我试着从我过去这四到六年在工业界和学界的经验，总结出一点有用的东西。于是我想到了三个字母，不是偏微分方程那个PDE，而是感知（Perception） 决策（Decision）和解释性（Explanation）。这三个模块，或许能凑成一本指南手册。

2023年，麦肯锡曾经做过一个调研，问了不同领域，特别是工业界和交通部门的人：距离真正实现智能化还有多远？

答案是：还要10到20年。

我当时就纳闷了：我们现在有那么多智能体（agentic），模型一个比一个大、一个比一个强，为什么在这个特定应用领域，还得耗这么久？

02

干净数据 vs. 脏数据：

学术界的“舒适区”与真实世界的落差

先看看数据是怎么来的。我先给大家看一个“干净”的版本，稍后我会给大家看一个“脏”的版本。

干净版本就是香港地铁的数据。我们跟香港地铁合作了很多年。香港地铁有一百多个站，每个人在自动售检票系统（AFC）上进站刷一次、出站刷一次。数据库里记录的就是：多少人进来了，多少人出去了。

所以你能拿到每个站点、不同时段的漂亮数据。你能看到特别清晰的周规律——工作日和周末截然不同。再看不同站点，你还能发现很好的空间模式：有些站是早高峰一头独大，有些是晚高峰独大，还有一些是全天比较均衡。

这就是我们领域里常说的“时空机器学习”。这些词很时髦，其实就是怎么把空间和时间上的这种相关性，变成数学公式或者网络结构。

顺便插一句，为什么有些站是早高峰、有些是晚高峰？原因其实就取决于它们到底在城市哪个位置。这个我后面会再提到。

以上说的是数据是怎么来的。那一篇典型的时空交通预测论文长什么样呢？

如 PPT 所示，我们可以看到很漂亮的pipeline，把各种模块往上拼。然后你觉得不够复杂？好，加一层。还不够？再加一层。还不够？继续加。

这基本上就是我们每次审稿时都在看的东西。说真的，我已经看腻了。

模型这边是这样，数据那边呢？没错，右边这个数据图标，就来自我自己的论文，但我今天特意把它拿出来，就是想提出一些批评。你看，我们比了20个数据集、30个模型，不管怎么比，我们的永远是最好的。今天比这个好，明天比那个好。

所以有一天我就在想：如果咱们预测得已经这么准了，为什么路上的问题还是没解决？ 这肯定哪儿不对劲。

那调研到底说了什么？差距到底在哪儿？为什么还得10到20年？

他们列了几个关键原因：基础设施准备度、互操作性、数据整合……你仔细看，大量问题都指向数据。再细看数据相关的关键词——可扩展性、实时性、异构数据源、数据质量。

所以我们现在要做的，就是实实在在地去学习怎么搞定这些“脏”数据。

03

“PDE三角”框架：

感知、决策、解释性三者平衡

我先简单说一下我的背景，这样大家就知道我为什么关心这些问题。

学术方面，我2021年在香港科技大学工业工程与决策分析系拿到博士学位；之后在亚利桑那州立大学做过访问；2022到2025年在科隆大学做W1教授，2025年起在慕尼黑工业大学做W2教授。

产业方面，我2019年在斯图加特的贝尔实验室做过研究Intern；2021年跟香港地铁校企合作研究的项目经理；2022年在商汤科技带过一个小十人团队做智慧城市研发和落地。

所以我既懂真实的产业问题，也知道什么是有影响力的、有意义的研究问题。

那怎么把这些年的经验总结成一个框架，来帮助智能交通的AI研究员，怎么尽可能的让自己的研究能带来真正的real-world impact，而非仅仅是去overfit开源的数据集？

我提出了一个叫“PDE三角”的框架——P是Perception（感知），D是Decision（决策），E是Explanation（解释性）。

为什么放这张图？因为人体比例，讲究的是和谐与平衡。我们做交通系统也一样——感知、决策、解释性，三者必须平衡，缺一个都不行。

因为交通是高风险的场景：信号灯控制关系到安全，应急救援关系到生命。你不能出一个黑箱模型说“就这么办，别问为什么”——官员不买账，市民不买账，真正用的人更不买账。

▎感知（Perception）：模型训练和数据

感知层面，首先我们要让模型在训练阶段就看到所有可能的场景。

因为我们现在做交通预测，经常犯一个错误：用历史数据训练模型，但历史数据里晴天多、雨天少、突发情况更少。模型上线一遇到暴雨、一遇到事故，马上就傻了。

所以我们做的第一件事，就是把训练数据的覆盖面做到极致——所有长尾案例，都得让模型见过。

其次，模型还得能适应不同类型的交通数据。

我们做了很多工作让模型能适配不同类型的交通数据——地铁、道路、不同城市的数据都能用。目标就是做出可泛化、鲁棒的时空数据模型。

那我们的方法到底行不行？在各类交通数据上，效果确实还不错。地铁的、道路的、不同城市的，都能跑通。

然而现实往往更残酷，很多时候我们根本没有足够的数据。

举个例子，我们合作的一个城市有超过三千万人口，但只在120个路口部署了传感器。大部分地方没有任何数据。

那怎么办？只有20%的传感器，怎么推断剩下80%的数据？

我们用了两种预训练策略。一种是做“减法”——训练时把一些节点mask掉，让模型去恢复它们。

另一种是做“加法”——加入虚拟节点，基于伪标签去推断。

▎决策（Decision）：RL信号灯控制的三重困境

感知做完了，怎么转化成决策？

直观地想，如果某个路口车多了，你应该怎么做？对，调整信号灯。

我们过去几年在强化学习信号灯控制上做了不少尝试。

一开始我们想的是：在一个城市训好的模型，换个城市还能不能用？

比如在柏林训的，拿到不莱梅去用。大家知道，柏林和不莱梅的交通模式完全不一样——路网结构不同，车流量不同，甚至开车习惯都不同。你换个城市就得重新训，那谁还用啊？

所以我们在GESA里面做的是场景无关的强化学习，不管什么城市、什么路网结构，模型都能直接上手。

X-Light更进一步，用"Transformer on Transformer"的结构做元多智能体，说白了就是学会"怎么学习"，跨城市迁移的效果更好。这篇还被IJCAI选为Highlight Paper。

DuaLight的想法是：每个城市有自己独特的特点，但不同城市之间也有共性的东西。那我们就把“场景特定的知识”和“场景共享的知识”分开学，两个都要，互相补充。

好，跨城市的问题在解决。但RL做信号控制，还有三个更实际的问题。

第一个：大规模城市怎么合作？

你想象一下，一个城市几百个路口，每个路口都是一个独立的智能体。它们之间怎么配合？是不是所有路口都应该互相通信？显然不是——离得远的路口互相传消息，纯属浪费算力。

所以CoSLight里我们做的是：把“选谁当合作伙伴”和“怎么一起做决策”这两件事放在一起优化。这两个问题是耦合的——你跟谁合作，会影响你怎么做决策；你怎么做决策，反过来又影响你该跟谁合作。分开做效果不好，要联合优化。

第二个问题：来了新场景，能不能快速适应？

城市交通是动态变化的——今天修路、明天封桥、后天有个马拉松。模型训好了，但场景变了，怎么办？从头再训一遍？太慢了，不现实。

FElight解决的就是快速适应新环境的问题。给定一个新的交通场景，它不需要重新训练，而是快速调整策略，在极少的交互内适应新场景。这在实际部署中很关键——城市管理者不可能等你的模型训好了再开管控。

第三个问题更接地气：工程师敢不敢用？

我们发论文的时候总说“超越了所有SOTA”，但到了真正要部署的时候，工程师说——你这个策略我不敢用。

为什么？因为RL有时候会做一些“反直觉”的事情。绿灯本来该30秒，它突然给35秒，过一会儿又变成28秒。你说这能提高通行效率，但交通工程师看不懂啊。他们习惯了“绿波”那种有规律、可解释的控制逻辑。

所以GuideLight里我们做的是——加一些“工业界的引导”。不是让RL完全自由发挥，而是约束它的行为，让它更像工程师能接受的那种方案。牺牲一点点性能，换来了可接受度和可落地性。

但即便我们做了这么多工作，我必须说一个不太乐观的事实：目前全世界还没有任何一个城市，长期部署了基于强化学习的信号灯控制系统。

具体而言，存在三个障碍：

第一，解释性。运营人员需要理解信号灯在做什么，“绿波”策略是可解释的，但RL策略不是。你让一个交通工程师去解释神经网络为什么这么决策，他做不到。

第二，仿真到现实的鸿沟。RL信号灯控制通常用非定周期的控制方式，但大多数城市不支持这种模式，而现实部署更偏向SCATS那种定周期控制。

第三，更长远来看，如果车辆本身就可以作为一个互联车队协同工作，我们真的还需要一个集中式的控制器吗？

▎解释性（Explanation）：因果学习的应用与边界

谈到解释性，先看我们在因果学习的研究成果。

因果结构学习本质上是NP-hard的组合优化问题：节点数越多，可能的图结构呈指数级增长。传统上用各种启发式搜索——局部搜索、爬山法……但节点超过一百个就很难搞了。

所以我们用连续优化的方法，把DAG学习转化成一个可微的问题。

在交通领域有哪些具体应用呢？主要包括：交通事故分析、交通拥堵分析、德国列车延误根因分析、充电站选址、电动出行枢纽选址等。

但从行业视角来看，因果学习方法的最大挑战是：学出来的DAG没有“真实值”（Ground Truth）可对照。

什么意思？我解释一下。

我们在做监督学习的时候，比如预测交通流量——你有历史数据，有真实发生的流量值，那个值就是Ground Truth。模型预测的对不对，一比就知道，清清楚楚。

但因果不一样。

你学出来一个因果图，说“A导致B导致C”。但这个结论到底对不对？没有人能给你一个标准答案。因为你没法做一个平行宇宙的对照实验——同一条路，同一个时间，一个版本有公交专用道，另一个版本没有，然后看结果有什么不同。现实世界只能发生一次。

所以我们能尽力做到的，就是把发现的因果结构呈现给城市规划者和政府官员，把最终决策权留给他们。我们的角色是决策辅助者，不是决策者。

具体是怎么做的呢？把交通数据作为输入，去构建因果图。就是把我们已有的各种数据——流量、速度、占有率、天气、时间、路段属性、事故记录——全部喂进去，让因果发现算法自动去“找”这些变量之间的结构关系，画出一张有向无环图。

因此，基于我所有的研究成果，我总结出了三条“黄金法则”，也就是一个可部署的机器学习模型，在智能交通系统中的“黄金”检查清单：

第一，感知：模型能不能安全地处理长尾案例？这个问题来源自我们交通部门的真实客户。

第二，决策：模型能不能从部署的第一天就开始运行？这是来自我们的产品经理“Anna”问的问题。

第三，解释性：模型能不能向有交通或城市规划背景的人进行自我解释？这是来自产品经理“George”问的问题。

04

四根“分析支柱”，

检验何为可落地的研究

我们的研究愿景很简单——做有影响力、可落地的研究，把影响带到真实生活中去。

不是追求发了多少篇论文，而是回答这些实际问题：哪个路口在堵车？堵了多久？为什么堵？下一个堵点在哪？

所以，当交通数据在变得真正ready 的过程中，我们能做什么？

我也总结了一个四根“分析支柱”的框架：

第一个，描述性分析——What happened？就是告诉你过去发生了什么。昨天早高峰，哪个路口堵了？堵了多长时间？

这一步最基础，但大量依赖人工输入——你得靠人去查数据、看报表、画图表，才能把事实搞清楚。

第二个，诊断性分析——Why did it happen？光知道“堵了”不够，你得知道为什么堵。是因为下雨？是因为事故？还是因为那条路本身就设计不合理？

到这一步，机器开始介入了。因果学习帮你去拆解原因，但最后还是得靠人来判断哪个原因才是真正值得关注的。

第三个，预测性分析——What will happen？知道了过去、知道了原因，那你能不能告诉我接下来会发生什么？二十分钟后那个路口会不会堵？我该不该换条路走？

到这一步，模型就可以独立跑了。你训练好模型，它自己输出预测结果，人只需要读最后的报告就行。

第四个，规范性分析——What should I do？最难的，但最有价值的。不光告诉你“会堵”，还告诉你该怎么做——信号灯该怎么调？车辆该怎么引导？应急救援该往哪派？

这一步，几乎可以全自动。模型做优化、做决策推荐，甚至直接输出控制指令，人的介入降到最低。

而这些决策、行动也可以反馈给数据端，形成一个良性闭环。

总体而言，从描述、诊断到预测，再到指导，这是一个从人工主导逐步走向自动化的过程。

对应的，我们也有一些工作成果，比如，关于数据缺失和未知位置推断的研究，发在AISTATS和NeurIPS；交通因果学习，发在KDD、ICLR；轨迹预测、异常检测、流量预测、信号控制等，也在KDD、IJCAI 等各个领域的顶会上进行了发表。

05

Q&A 现场问答

▎Q1（一位法国航空排程专家）：在航空业，很多时候地面导致的延误根本不可知，所以我们在数据源头都不知道问题出在哪，那该怎么办？

黎子玥：在公共领域，很多因素我们不可知，也真的无力能做什么，但至少我们可以把数据民主化——把相关的数据展示给大众，这个动作本身就能带来 impact。

▎Q2（一位来自范德堡大学的教授）：哪些智慧交通的 sector 能更快地实现智能化？

黎子玥： 我的观察是，历史资产是一把双刃剑，blessing and curse。越是传统的交通方式，比如铁路，它的历史资产太厚重了，AI化的改造成本更高。新兴的出行方式，比如 e-scooter、无人机、自动驾驶车队等，反而是最快能迭代和智能化的。

IJCAI 2026 要来了，你还在单打独斗？

为了方便大家抱团交流、互通会议消息，我们专门建了IJCAI 2026 参会群！进群你会解锁这些「福利」

• 会议情报站：投稿 DDL、格式规范、评审进度……关键节点第一时间送达，再也不怕错过 deadline，投稿准备稳稳的。

• 同行茶话会：天南海北的同行都在群里，聊心得、碰思路、攒人脉，科研路上我们同行。

• 前沿补给站：最新研究成果、热点方向实时同步，结合会议主题帮你捋清投稿脉络，给论文灵感加满油。

• 现场后援团：（会议期间专属开启）：到了会场也不用慌——

  路线导航：场馆分布、报告厅怎么走，群里随时问；

  议题共读：热门 session、Keynote 现场探讨，错过也能追；

  Poster 汇编：现场海报精华整理，一键收藏不遗漏；

  约局广场：约饭局、采访局、交流局……想唠嗑、想合作、想面基，群里发起就成。

进群传送门：扫码进群或添加微信Qvv0909777，备注：IJCAI+ 单位/学校+姓名+方向。

搞科研/搞技术，信息差很重要。

来，一起快人一步！

上车，带你看遍全球 AI 顶会精华

可独家畅览：

专家演讲PPT

大会报告全文

热门论文解读

学术新星访谈

未经「AI科技评论」授权，严禁以任何方式在网页、论坛、社区进行转载！

公众号转载请先在「AI科技评论」后台留言取得授权，转载时需标注来源并插入本公众号名片。