关于我About me

我是厦门大学 MAC 实验室的一年级博士生,导师是 曹刘娟教授和 郑侠武副教授。

我的研究聚焦于长时程视觉理解与多模态模型。我关注视觉系统如何在有限的计算与记忆资源下,选择重要观测、维护长期状态,并从持续的视频流中理解对象、事件及其关系。

在此基础上,我希望进一步探索视觉理解与世界建模之间的联系:从理解已经发生的事件,走向建模环境如何随时间变化,并利用预测辅助感知与推理。长期目标是研究能够持续观察、持续更新、持续推理的视觉智能系统,使模型随着新的观测不断修正和丰富其对世界的认识。

从视频流中选择重要观测,持续维护对象与事件的长期状态,进而建模环境变化并预测未来。图中依次展示高效感知、长期理解与世界建模。

近况News

  1. 正式开启 PhD student 新生活!

  2. 加入高德地图(阿里巴巴集团)实习。

  3. 🎉 1 篇论文(LLM Orchestration)被 ICML 2026 接收。

  4. 🎉 1 篇论文(WFS-SB)被 CVPR 2026 接收。

  5. 🎉 1 篇论文(QuoTA)被 AAAI 2026 接收。

代表论文Selected publications

* 表示共同贡献

全部 9 篇论文
EFS 事件划分、锚点定位与全局优化流程图2026

arXiv preprint · Equal contribution

Event-Anchored Frame Selection for Effective Long-Video Understanding

Wang Chen*, Yongdong Luo*, Yuhui Zeng, Luojun Lin, Tianyu Xie, Fei Chao, Rongrong Ji, Xiawu Zheng

先把视频划成视觉一致的事件,再为每个事件定位查询相关锚点,最后用自适应 MMR 做全局补充,在覆盖、相关性和多样性之间取得平衡。

教育与经历Experience

厦门大学标识

厦门大学计算机科学与技术 · 在读

教育

2026.09 起

高德地图 · 阿里巴巴集团标识

高德地图 · 阿里巴巴集团研究实习

多模态与视频理解方向

实习

2026.05 至今

厦门大学标识

厦门大学人工智能 · 硕士

教育

2024.09 - 2026.08

福州大学标识

福州大学人工智能 · 学士

本科阶段开始研究生成式视觉与人脸美学

教育

2020.09 - 2024.06

Blog

Qwen3.5 技术原理分析

从像素与视觉 token,到 Gated DeltaNet 的矩阵记忆、Full Attention、MRoPE 和 MoE。以 9B 为主例,逐层分析 Qwen3.5 的数学原理、张量维度与混合架构。

75 分钟

Code-as-World 如何把世界写成一段可执行的假说

从像素证据、可执行世界表示与溯因式发现循环出发,理解 Code-as-World 怎样把物理机制变成可运行、可检验、可修订的外显状态,以及这条路线离开放世界智能还有多远。

32 分钟

视频还没有结束时,模型应该怎样理解世界

从流式视频评测、增量推理、长期状态、边看边想一路读到持续视觉智能。难点落在模型怎样随世界变化保存证据、安排计算,并为尚未出现的问题留下余地。

55 分钟
全部文章