바이솨이

알리바바 Qwen 팀 연구자입니다. 멀티모달 학습, 시각 생성, 그리고 최근에는 Vision-Language-Action 쪽을 담당합니다.

Qwen의 멀티모달 계보가 사실상 그의 이력입니다. Qwen-VL(arXiv:2308.12966)로 시작해 고해상도 시각 이해를 다룬 Qwen2.5-VL, 실시간 음성-시각 상호작용을 다룬 Qwen2.5-Omni의 개발을 이끌었습니다. 시각 추론 모델 QVQ도 그의 작업입니다. Qwen3 기술 리포트에는 언어와 멀티모달을 하나의 아키텍처로 묶는 부분에 공저자로 참여했습니다.

Qwen 합류 이전 작업으로는 OFA가 있습니다. 이미지 캡셔닝과 시각 그라운딩 같은 이질적인 과제를 하나의 시퀀스-투-시퀀스 프레임워크로 통합한 연구입니다. 효율 쪽에서는 중복된 시각 토큰을 쳐내 VLM 추론을 가속하는 "An image is worth 1/2 tokens"를 냈습니다. 더 거슬러 올라가면 VOT2018 시각 객체 추적 챌린지 참가 이력도 있습니다.

Google Scholar 기준 인용 4만 회를 넘겼습니다. 류다이헝이 Qwen의 사전학습 축을 맡는다면, 시각 축은 그가 오래 지켜온 자리입니다.

Qwen-Drive-1.0 - An Initial Step towards a Vision-Language Foundation Model for Autonomous Driving에는 핵심 기여자로 참여했습니다. 이질적인 과제를 하나의 인터페이스로 묶는 OFA 시절의 문제의식이 3D 인식·VQA·모션 플래닝을 한 모델에 담는 이번 설계와 곧장 이어집니다.