§ Speaker Intelligence Report · Sample · Spring 2026
陈丹琦 · 2026·05 样张
本样张为 Locus｜汇 学者情报数据库标准产物：把一位学者过去多年在清北生态的现场、媒体口径、 受众反馈与跨学科扩散度，浓缩成一份机构客户能直接据以行动的简报。
§ 1
基本档案
Affiliation · Tags · Standing
| 主要机构 | Princeton University · CS Department · Assistant Professor（终身教轨） |
|---|---|
| 研究领域 | NLP · Long-context LLM · RAG · Information retrieval |
| 学术地位 | ACL 2025 Best Paper · NeurIPS Outstanding Paper × 2 · 清华姚班 2008 级 |
| 清北生态标签 | AI · NLP · 海外华人学者 · 清华校友 · Long-context |
| 语言 / 风格 | EN / 中文双语 · 论证密度高 · 现场互动开放度高 |
§ 2
在 Locus 生态的历届出现
Visits · 2022–2025 · 4 events tracked
四场出席评分整体呈 上升趋势（4.4 → 4.7），与她近三年研究焦点从 QA 工程、Pre-training 转向 long-context 推理边界 的迁移轨迹一致。2025·07 清华 AIR 一场为本周期最高分，反映她在 方法论批判 类话题上现场张力最强。
§ 3
媒体痕迹
Public statements · Recent · 2024–2026
§ ACL 2025 · Keynote RAG is not a band-aid — it's an acknowledgment that models don't know what they don't know.
过去 12 个月公开发言密度高，主线收敛在三处：
- long-context 的工程边界——长上下文≠真正利用，质疑近年 benchmark 的有效性
- RAG 的局限——明确反对把 RAG 当成万能创可贴，强调其揭示模型知识盲区的诊断价值
- 评估方法的范式问题——多次呼吁 NLP 社区从「分数追逐」转向「机制理解」
§ 4
受众反馈
Ratings · Notes volume · Cross-discipline reach
4 场平均评分 ★ 4.55，在 Locus AI 类学者中位列前 8%。姚班校友身份使她在国内学界享有特殊号召力—— 她到访的清华场次，跨院系参与率明显高于其他海外华人 AI 学者。读者构成既有 CS / EE 主流，又有 经济学者关注 LLM 对劳动市场的影响、语言学者关注长上下文的语义机制。
§ 5
推荐用途
Recommended use · Institutional clients
AI 产业峰会主题报告 / NLP 学术会议邀请 / 清华校友主旨活动；与产业研究院联合发布的研究讲座契合度最高。
纯产业商业活动（她明确拒绝过 2 次以广告 / 站台为主的邀约）；非学术性 PR 通稿场不适合。
学生提问质量是评分核心驱动；建议预留 ≥ 40 分钟 Q&A，并提前向主办方学生群体放出阅读材料以提升提问深度。
— § FIN · Locus｜汇 · 编辑团队 · 2026·05 · v0.1 样张
本报告由 Locus 编辑团队基于公开信息 + 平台数据汇编 · 联系 reports@locus.example 订阅完整版 ¥30,000 / 年
