我关注智能体应当从过去的观测中保留什么、如何随环境变化更新这些信息，以及如何利用它们支持后续预测与决策。
预印本 · 2026
以统一的时序骨干网络支持可变长度上下文和概率预测，并在下游适配中完整复用预训练权重。
我设计了通用时序预训练（UTP），并完成其预训练、跨领域评估与消融实验。
采用仅编码器的分位数预测模型，对序列进行归一化与分块，随机掩蔽历史前缀，并结合门控注意力与部分旋转位置编码。模型配置最多支持 2,048 步输入与 256 步预测；在未参与预训练的基准上，固定权重零样本评估采用 12→12 与 96→96 的上下文／预测长度。
在 PEMS08 的 96→96 设置下，使用历史掩蔽的模型 MAE 为 91.09，未使用时为 107.22，相对降低约 15%。详见论文表 IX–X。
NeurIPS 2025Spotlight
将可迁移的时序知识与领域特定的依赖关系解耦，让基础模型更容易适配新领域。
我通过零样本与少样本预测评估跨领域迁移，分析预训练时序表征对新数据集的适配能力。
2026.03— 2026.09
负责 AI 短剧视频智能体的架构设计，串联长篇规划、叙事记忆、可控生成与视觉一致性反馈。
2025.08— 2026.08
设计并预训练面向跨领域预测的时序模型，支持可变长度上下文、分位数预测与高效下游适配。
2025.03— 2025.12
完成预训练时序模型在昇腾平台上的适配，并在通信与电力预测数据集上复现基线、评估模型表现。
2024.03— 2024.07
开展超算节点基准测试与安装调试，通过 MPI 性能剖析优化四个新增节点的互连拓扑，将 MPI 通信时间降低约 20%。
2026.07 – 2026.09
ByFusion · LuckyShort
构建参考资产驱动的视频生成流程，检查跨镜头的人物与场景连续性，保留已通过检查的帧，并定向重生成存在问题的内容。
利用共享参考资产与多模态检查识别人物和场景漂移，将反馈传递至生成环节，修订相关关键帧或镜头。跨生成阶段统一管理创作方向，根据成片反馈进行调整，并以模型先验为候选搜索提供初始方向。
2026.01 – 2026.03
中国移动研究院 · 中国稀土集团
参与长时价格建模的方法设计与实验，以地缘政治、产业链观测和定价动作为条件预测市场变化，比较不同市场情景并支持重规划。
2025.05 – 2025.08
腾讯犀牛鸟基金
参与云资源分配的时序建模方法设计，以用户行为与历史资源分配序列为上下文，支持集群算力分配决策。
2024.04
世界大学生超级计算机竞赛
在四节点、八 GPU 集群上搭建融合 vLLM、Ray 与 RDMA 的推理系统，将请求动态分派至空闲模型副本，在固定硬件约束下均衡负载。
300 余支队伍中总成绩第 10 名 · 一等奖及集群竞赛奖
2026.09 — 至今
智能交通 · 博士在读
导师：梁宇轩教授
2021.09 — 2025.07
数据科学与大数据技术 · 理学学士
GPA 3.89/4.00 · 专业排名 4/53（前 10%）
优秀毕业生 · 优秀本科毕业论文 · 树德书院十佳毕业生
