Ø 个人简介
马泽原，工学博士，华南师范大学人工智能学院青年拔尖副教授，硕士生导师。于2022年和2026年在华南理工大学计算机科学与工程学院（全英创新班，直博）获得计算机科学与技术学士和博士学位，其中2025年起接受新加坡管理大学联合培养。研究方向聚焦于基于学习辅助的算法自动设计，提出元黑箱优化理论技术体系，通过元学习实现进化优化算法设计的自动化，逐步拓展至多个前沿领域，包括进化大语言模型后训练、基于世界模型的超智能体系统、用于优化的大语言模型以及现实场景中的通用优化系统。参与国家自然科学基金面上项目1项。以第一作者、共同第一作者、通讯作者发表30余篇论文，其中多数刊载于ICML、ICLR、NeurIPS、AAAI、KDD和IEEE TEVC等国际顶级会议与期刊。同时，积极担任上述AI会议与期刊的审稿人/程序委员会委员。曾参与组织LEAD 2025（https://sites.google.com/view/leadworkshop2025）、OPEA 2025（https://sites.google.com/view/opeaworshop2025/home）及IJCAI-LEAD 2026（https://sites.google.com/view/lead-ijcai-ecai2026/organization）研讨会。近期受邀担任国际期刊Journal of Intelligent and Sustainable Systems（JISS）副主编及国际顶级人工智能会议ICLR的Area Chair。
Ø 教育背景
2018.9-2022.6：计算机科学与技术，学士，华南理工大学
2022.9-2026.6：计算机科学与技术，博士，华南理工大学
2025.6-2026.5：计算与信息系统，联合培养博士，新加坡管理大学
Ø 工作经历
2026年至今，华南师范大学人工智能学院青年拔尖特聘副教授，硕士生导师。
Ø 研究领域
优化算法及应用、自动算法设计、深度强化学习、大语言模型后训练等
Ø 科研项目
1. 国家自然科学基金面上项目，具有记忆机制的自主神经演化算法研究，2023.1-2026.12，参与
Ø 代表性论文
[1] Ma Z, Guo H, Chen J, et al. Metabox: A Benchmark Platform for Meta-Black-Box Optimization with Reinforcement Learning. NeurIPS, 2023.
[2] Chen J, Ma Z, Guo H, et al. SYMBOL: Generating Flexible Black-Box Optimizers through Symbolic Equation Learning. ICLR, 2024.
[3] Guo H, Ma Y, Ma Z, et al. Deep Reinforcement Learning for Dynamic Algorithm Selection: A Proof-of-Principle Study on Differential Evolution. IEEE TSMC, 2024.
[4] Ma Z, Chen J, Guo H, et al. Auto-Configuring Exploration-Exploitation Tradeoff in Evolutionary Computation via Deep Reinforcement Learning. ACM GECCO, 2024.
[5] Guo H, Ma Z, Chen J, et al. ConfigX: Modular Configuration for Evolutionary Algorithms via Multitask Reinforcement Learning. AAAI, 2025.
[6] Ma Z, Chen J, Guo H, et al. Neural Exploratory Landscape Analysis for Meta-Black-Box-Optimization. ICLR, 2025.
[7] Ma Z, Cao Z, Jiang Z, et al. Meta-Black-Box-Optimization Through Offline Q-function Learning. ICML, 2025.
[8] Ma Z, Guo H, Gong Y J, et al. Toward Automated Algorithm Design: A Survey and Practical Guide to Meta-Black-Box-Optimization. IEEE TEVC, 2025.
[9] Guo H, Ma Z, Ma Y, et al. DesignX: Human-Competitive Algorithm Designer for Black-Box Optimization. NeurIPS, 2025.
[10] Ma Z, Gong Y J, Guo H, et al. MetaBox-v2: A Unified Benchmark Platform for Meta-Black-Box Optimization. NeurIPS, 2025.
[11] Ma Z, Gong Y J, Guo H, et al. LLaMoCo: Instruction Tuning of Large Language Models for Optimization Code Generation. IEEE TEVC, 2026.
[12] Qiu W J, Guo H S, Ma Z, Zhang J and Gong Y J. 自动黑箱优化算法设计：进展与挑战. 计算机学报, 2026.
[13] Wang C, Gong Y J, Cao Z and Ma Z*. Instance Generation for Meta-Black-Box Optimization through Latent Space Reverse Engineering. AAAI, 2026.
[14] Wang C, Ma S, Ma Z, et al. Evolution of Benchmark: Black-Box Optimization Benchmark Design through Large Language Model. ICML, 2026.
Ø 荣誉奖项
1. 2019年中国计算机设计大赛银奖
2. 2021年“挑战杯”全国大学生课外学术科技作品竞赛广东省一等奖
3. 2021年本科国家奖学金
4. 2025年博士国家奖学金
5. 2025年华南理工大学校长奖学金
6. ICLR 2025 Notable Reviewer
7. ICML 2026 Gold Reviewer
Ø 学术任职
1. 期刊审稿人：IEEE Transactions on Pattern Analysis and Machine Intelligence（SCI Q1 Top, IF=18.6）、IEEE Transactions on Evolutionary Computation（SCI Q1 Top, IF=12.0）、IEEE Transactions on IEEE Transactions on Industrial Informatics（SCI Q1 Top, IF=9.9）等
2. 会议审稿人：ICML、ICLR、NeurIPS、AAAI、IJCAI等CCF A类国际顶级人工智能会议
3. 期刊副编辑：Journal of Intelligent and Sustainable Systems（JISS）
4. Area Chair：International Conference on Learning Representations
Ø 所在科研团队
华南师范大学学习与进化优化实验室（LEO Lab）作为MetaEvo团队的主要分支，研究方向主要围绕基于学习的演化计算系统。研究基于元学习的黑箱优化算法自动设计（动态算法配置、算法选择、算法生成等）及其在现实复杂优化场景（无人机低空经济系统、芯片设计工艺等）的应用落地。具体在研方向包括元黑箱优化算法设计、元黑箱优化驱动的无人机路径规划及覆盖复合任务、演化策略驱动的大语言模型认知进化、超智能体与类脑智能的开发应用。
Ø 开设课程
1. 自然语言处理（Natural Language Processing，NLP），48学时。
Ø 联系方式
Email：mzy@ieee.org
个人主页：https://url.scnu.edu.cn/record/view/index.html?key=26e9ed291e335aa6bcb5e80c9116bd42
学术主页：https://url.scnu.edu.cn/record/view/index.html?key=5ddd5eba3c1c0c9b068f1e26896e7378
团队主页：https://url.scnu.edu.cn/record/view/index.html?key=4e59a408a1c1c23929b7c18331cd4e4d