负责视觉压缩模块的前期探索与接入，推进功能实现并协同迭代历史压缩策略；协同构建大小脑框架，适配多款 VLN 模型并打通推理与机器人执行的数据链路，完成 Go2 / G1 部署并参与实物实验。
R2R Val-Unseen（1,839 episodes）：两类模型 SR 达 64.27% / 64.44%，提高 8.48 / 3.37 个百分点；匹配观测下 InternVLA-N1 的 prefill 延迟降低 21.77%，KV 存储降低 32.25%。
独立设计并实现 MRI、AAL 脑区体积与 BioClinicalBERT 临床文本的三模态融合，以受试者级 SigLIP 对齐连接冻结骨干，完成跨骨干评测与模态消融。
1,077 名 ADNI 受试者；排除认知评分输入的 AD 分类中，三个骨干 AUC 平均提升 0.144，BrainIAC AUC 从 0.732 提升至 0.922。
独立设计并实现局部配对、范数排序与分组配额选择，在第 6 个 Transformer block 后压缩 token；适配四套检测系统，压缩及预算切换无需重训。
删除 40% token、batch=32 时，编码器加速 1.22–1.28 倍；VideoMAEv2 的 UCF AUC 为 80.63% → 81.02%，TimeSformer 的 XD PR-AUC 为 76.69% → 77.37%。
其他合作论文：ProSeCIL（第四作者）、TRICE（第三作者），均为 ICASSP 2027 在投。
SafeCommunity AI
构建弱监督异常检测与 VLM 复核管线，使用 QLoRA 微调 Qwen3.5-VL；ECVA 测试准确率由 65.68% 提升至 78.53%。
Georgia State University · Georgia Institute of Technology · Emory University, USA
开展 ACVF 脑 MRI 多模态研究，负责方法设计、代码实现、跨骨干实验与模态消融。
设计 17-token Transformer 策略与 PPO 训练流程，结合三路价值估计、GAE、BFS 逃生特征和多目标奖励优化生存、收集与探索。
EAST-Lab · 张伟课题组
开展 ReInsVLN 研究，负责视觉压缩模块的前期探索与接入，推进功能实现；协同构建大小脑框架，完成 Go2 / G1 部署并参与实物实验。
主要使用 Python、PyTorch、Transformers 与 PEFT/QLoRA 开展模型训练和适配，研究方法涉及 SigLIP 对比学习、PPO 强化学习、弱监督 MIL 与视觉 token 压缩；具有 Habitat/VLN-CE 导航评测、Unitree SDK2 机器人接入，以及 MONAI、NiBabel 脑影像处理经验。项目开发涉及 OpenCV、FastAPI/Flask、SQLite、NumPy/pandas、scikit-learn/XGBoost、Linux/SSH 和 Web 界面实现。
