中文简历

悉尼科技大学 & 上海大学双学位博士生，英国曼彻斯特大学硕士，山东大学本科。博士就读期间，以第一作者身份发表 CVPR (CCF-A) *1，ICME (CCF-B) *1，SCI 一区期刊论文 *1，合作论文若干。主要研究方向为预训练视觉-语言模型的参数高效微调。掌握 Python / PyTorch 的编程方法，具有良好的团队合作意识、执行力，具备使用创造性思维解决工程问题的能力。

教育经历

• 双学位联合培养博士生
  • 悉尼科技大学 (澳大利亚，2025 QS: 88)，2023.11 - 至今；导师：Guodong Long 教授
  • 上海大学，2021.09 - 至今；导师：彭艳 教授
• 硕士：曼彻斯特大学 (英国，2025 QS: 34)，2019.09 - 2020.09
• 本科：山东大学，2014.09 - 2018.06

代表科研论文

• DPC: Dual-Prompt Collaboration for Tuning Vision-Language Models
  • 对基于 CLIP 的提示学习 (prompt tuning) 的性能改进，取得最新 SOTA
  • 通过在提示层面的解耦，完整克服提示学习中普遍存在的基类-新类权衡 (Base-New Trade-off) 问题
  • 引入动态难分样本优化器 (Dynamic Hard Negative Optimizer)，大幅度提示基类性能
• M.A.O: Efficient Model-Agnostic Optimization of Prompt Tuning for Vision-Language Models
  • 对基于 CLIP 的提示学习 (prompt tuning) 的模型无关效率优化，无需修改骨干模型，即可提升性能。
  • 引入数据驱动的增强 (Data-Driven Enhancement)，以优化数据分布质量
  • 引入可变正则化 (Alterable Regularization)，为特征提取流程构建特定于任务的先验分布

技能

• 视觉-语言模型微调的科研经验，相关方向：
  • 多模态预训练模型的 post-training (后训练)
  • Transformer 类模型参数压缩
• Python, PyTorch
• 论文撰写