关于我
我是晏梦懿（Mengyi Yan），2017 年于北京航空航天大学数学科学学院获理学学士学位；2025 年 6 月于北京航空航天大学计算机学院（BUAA）取得博士学位，导师为李建欣教授；博士期间在深圳计算科学研究院（SICS）担任研究实习生。2025 年 7 月加入山东大学人工智能学院，现任助理教授。
主要研究兴趣为数据库（Database）、数据质量（Data Quality）、数据清洗（Data Cleaning），以及面向数据库的人工智能（AI4DB）与大语言模型（LLM）的结合。
欢迎通过邮件联系：yanmy@sdu.edu.cn；yanmy1008@buaa.edu.cn；或 yanmy1008@gmail.com。
最新动态
代表性论文
（*：通讯作者）
Mengyi Yan, Yaoshu Wang, Guangyi Zhang, Kehan Pang, Haoyi Zhou*，Accelerating Influence Function Estimation for Large Language Models: A Practical Design，ACM SIGKDD Conference on Knowledge Discovery and Data Mining (SIGKDD)，2026.
Yang Liu, Mengyi Yan*, Jiao Xue, Weilong Ren, Yutong Ye, Haoyi Zhou, Jianxin Li*, Zhumin Chen，SPARQ: A Cost-Efficient Framework for Offline Table Question Answering via Adaptive Routing，IEEE International Conference on Data Engineering (ICDE)，2026. Paper Code
Mengyi Yan, Wenfei Fan, Yaoshu Wang, Min Xie*，Enriching Relations with Additional Attributes for ER，Proceedings of the VLDB Endowment (VLDB)，2024. Link
Mengyi Yan, Yaoshu Wang*, Yue Wang, Xiaoye Miao, Jianxin Li，GIDCL: A Graph-Enhanced Interpretable Data Cleaning Framework with Large Language Models，ACM SIGMOD International Conference on Management of Data (SIGMOD)，2025. Link Camera-Ready
Mengyi Yan, Yaoshu Wang*, Kehan Pang, Min Xie, Jianxin Li*，Efficient Mixture of Experts based on Large Language Models for Low-Resource Data Preprocessing，ACM SIGKDD Conference on Knowledge Discovery and Data Mining (SIGKDD)，2024. Link
Mengyi Yan, Weilong Ren*, Yaoshu Wang, Jianxin Li*，A Retrieval-Augmented Framework for Tabular Interpretation with Large Language Model，Database Systems for Advanced Applications (DASFAA)，2024. Link
完整论文列表请参见上方的 Publications 页面。
研究方向
我的研究聚焦于数据库、数据质量、数据清洗，以及面向数据库的人工智能（AI4DB）与大语言模型（LLM）的结合，相关成果发表于 SIGMOD、VLDB、KDD、DASFAA、EMNLP 等会议。下面对几个主要方向作简要介绍。
面向数据驱动 AI 的低成本数据预处理与推理
我致力于在大语言模型之上构建数据与算力双高效的处理流水线：通过最小化标注与计算开销（在消费级硬件上即可运行离线 LLM），在多种数据预处理与表格推理场景下取得与在线模型相当的效果，覆盖实体解析（Entity Resolution）、表格表示学习（Tabular Representation Learning）、关系抽取（Relation Extraction）与表格问答（Table Question Answering）等任务。相关成果发表于 [ICDE’26、KDD’24、DASFAA’24、BigData’24 与 EMNLP’25]。
数据清洗
我研究如何借助知识增强的方法（如基于 LLM 的智能体、知识图谱）提升数据清洗系统的性能，相关成果发表于 [SIGMOD’25、SIGMOD’24、VLDB’24]。
面向大语言模型的数据评估、影响估计与合成
我研究如何评估并优化用于训练大语言模型（LLM）的数据：综合运用不确定性量化（Uncertainty Quantification）、影响函数（Influence Function）、次模优化（Submodular Optimization）等工具，在预训练、微调以及特定领域适配等阶段衡量数据的冗余度与价值。其中一个重点是让影响函数式的训练数据归因在现代 LLM 上变得可扩展、可落地，从而指导各类下游任务的训练数据组合，最大化模型表现与训练效率。相关成果发表于 [KDD’26、FCS’25、AIJ’23 与 arXiv]。
学术报告
MELD: Efficient Mixture of Experts based on LLM for Low-Resource Data Preprocessing
- KDD 2024 大会，2024 年 8 月，西班牙 巴塞罗那
同行评审
KDD、NIPS/NeurIPS、ICLR、AAAI、ICDE 等会议外审。