Ziyang Liu(刘子阳)
|
苏州大学未来科学与工程学院(江苏-苏州)
清华大学钱学森班&零一学院联合培养项目(广东-深圳)
籍贯:安徽-合肥
E-mail: ziyannn@yeah.net
联系方式:13721121001 微信同号
|
求学与求职意向:作为一名即将于2026年毕业的本科生,我希望能够继续在强化学习、多模态分析、统计分析等相关领域深造,攻读硕士/博士学位。诚挚地欢迎各位专家教授与我交流探讨,也真诚地期待与业界优秀的企业有更多的交流机会。如果您对我的研究方向或个人经历感兴趣,欢迎通过邮件或微信与我联系。
个人简介
我是一名苏州大学统计学专业的本科生,同时也是清华大学钱学森班&零一学院联合培养项目的学员。我的研究兴趣主要集中在人工智能和多模态情感分析领域,特别关注AI技术在社会创新方面的应用。在学术研究方面,我已在CCF-A/B类会议发表论文,并获得多项专利。此外,我积极参与各类数学建模竞赛,致力于将理论知识与实践相结合。
教育经历
本科: 苏州大学未来科学与工程学院 统计学专业, 2022.09-2026.06
GPA: 3.71/4.0, 专业核心课程绩点:3.87/4.0, 专业前20%
主要课程:数学分析,高等代数,应用多元分析,概率论与数理统计,Python编程,数学建模与软件
英语水平:CET-6
研究项目
苏州大学 计算机科学与技术学院 科研项目:多模态情感分析(项目负责人,2024.02-2025.03)
研究重点:利用多模态数据(文本、视频、音频)进行情感分析,特别关注部分模态缺失时的鲁棒性提升
主要贡献:提出了基于因子分解的语义恢复框架(FSRF),在多个基准数据集上取得了SOTA性能
应用场景:社交媒体情感分析、智能客服、用户体验分析等
清华大学 电子工程系 科研项目:多智能体强化学习(核心成员,2025.04-2025.06)
项目描述:重点围绕多智能体系统在复杂任务下的协作优化与强化学习展开
主要工作:构建多智能体交互框架,设计任务环境并实现 agent 间的协同机制
技术贡献:结合 Test-Time Reinforcement Learning (TTRL) 进行策略训练,有效提升系统泛化性能
研发成果:自主完成代码模块开发与调试,辅助开展 TTRL 理论机制的结构分析与收敛性推导
清华大学 深圳零一学院联合培养 ESRT 项目:面向智能交互的 AI 代理系统研究与实现(项目负责人,2024.10-2025.02)
大学生创新创业项目:心芯相依-针对留守儿童的安全型情感陪伴智能系统(项目负责人,2024.06-2024.12)
论文
ICME 2025(Oral): "FSRF: Factorization-guided Semantic Recovery for Incomplete Multimodal Sentiment Analysis" (CCF-B,第一作者) (点击此处查看)
CVPR 2025: "MCCD: Multi-Agent Collaboration-based Compositional Diffusion for Complex Text-to-Image Generation" (CCF-A,第二作者)
Pattern Recognition: "Hierarchical Factorization-Guided Self-Distillation for Incomplete Multimodal Sentiment Analysis" (JCR Q1,第一作者,在审)
ICIRDC 2024: "Establishment and solution of a multi-stage decision model based on hypothesis testing and dynamic programming algorithm" (EI,第一作者)(点击此处查看)
专利
实习经历
字节跳动(培训项目,2025.02-2025.04):参与AI驱动的老年人回忆录撰写辅助项目 (功能介绍视频)
清华深圳国际研究生院(研究实习生,2025.01-2025.02):协助整合GeWechat与Restful API,开发定制聊天机器人,并将其与微信集成实现文本和语音交互 (功能演示视频)
伦敦南岸大学(访问学生,2022.12-2023.01):参与数据科学与AI项目
竞赛获奖
深圳零一学院简介:
深圳零一学院缘起于清华大学"学堂计划"钱学森力学班(简称"清华钱班")。清华钱班创办于2009 年,是"清华学堂人才培养计划"暨国家"基础学科拔尖学生培养试验计划"66个试点项目中,唯一不是定位于单一学科,而是工科基础(或力学与工程技术所有学科交叉创新)的试验班。其使命是:发掘和培养有志于通过科技改变世界、造福人类的创新型人才,探索未来创新人才的培养模式,回答"钱学森之问"。
优秀课程成绩
数学类课程:
- 数学分析(Ⅲ): 94分
- 概率论与数理统计(一): 96分
- 复变函数(二): 95分
统计与数据分析类课程:
- 定性数据分析: 95分
- 应用回归分析: 96分
- 应用多元分析: 94分
- 统计计算与SAS软件(双语): 95分
计算机与编程类课程:
- 计算机信息技术(计算思维): 94分
- Python程序设计: 94分
其他跨学科课程:
- 金融学概论: 94分
- 道教文化与养生智慧: 96分
🌍 访客地图
欢迎来自世界各地的访问者!圆圈大小代表该地区的访问量
数据更新可能有延迟 | Powered by IP-API & Leaflet
|