齐梓桐

甬江实验室（乐橙科技）

2026.01 至 2026.03 · SafeCommunity AI · 研发工程师 · 智能监控研发

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%。

TReNDS Center

2026.03 — 2026.05 · Georgia State University · Georgia Institute of Technology · Emory University, USA · 远程科研助理

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。

腾讯开悟 · 峡谷追猎强化学习竞赛

2026.04 — 2026.05 · 国家三等奖

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。

宁波东方理工大学 EIT

2026.06 — 2026.10 · EAST-Lab · 张伟课题组 · 研究助理

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。

ReInsVLN · 免训练视觉语言导航

ICRA 2027 · 在投 · 第二作者（核心贡献者）

本人贡献：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。

1. 压缩历史观测：在进入语言模型前减少时间冗余，并保护已有记忆未充分覆盖的内容。
2. 按指令筛选：在语言模型内部结合语义相关性与位置，保留关键视觉 token 并恢复原始顺序。
3. 提醒与执行：按预设节奏回顾历史，将原生模型决策接入机器人执行链路。

项目结果：R2R Val-Unseen 全量 1,839 episodes：StreamVLN / InternVLA-N1 的 SR 达到 64.27% / 64.44%，较原生模型提高 8.48 / 3.37 个百分点。匹配观测测试中，InternVLA-N1 压缩配置的 prefill 延迟降低 21.77%，KV 存储降低 32.25%。

ACVF · 脑 MRI 与临床语言的多模态融合

ICASSP 2027 · 在投 · 第一作者

本人贡献：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. 编码三种信息：冻结 3D MRI 与 BioClinicalBERT 骨干，提取影像、临床文本和 AAL 脑区体积表征。
2. 受试者级对齐：投影到 256 维共享空间，用 SigLIP 目标连接三种模态。
3. 下游评测：按任务排除标签相关字段，在 1,077 名 ADNI 受试者上进行跨骨干与模态消融。

项目结果：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 的 ACC 从 64.6% 提升至 84.3%，AUC 从 0.732 提升至 0.922；AnatCL 脑龄 MAE 从 4.924 年降至 4.373 年。

PairSelect · 弱监督视频异常检测的 token 压缩

ICASSP 2027 · 在投 · 第一作者

本人贡献：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。

1. 先建立上下文：保留前 6 个 Transformer block 的密集编码，让 token 充分交互。
2. 再选择 token：执行局部配对、范数排序和分组配额选择，保留原始向量与时序覆盖。
3. 复用检测器：将压缩后的 token 送入后续编码层，直接复用检测权重；压缩与预算切换无需重训。

项目结果：UCF-Crime / XD-Violence，batch=32：删除 40% token 时编码器加速 1.22–1.28 倍；VideoMAEv2 的 UCF AUC 从 80.63% 升至 81.02%，TimeSformer 的 XD PR-AUC 从 76.69% 升至 77.37%。删除 60% 时，编码器最高加速 1.47 倍。

ProSeCIL

Prototype-Calibrated Semantic Fusion for Exemplar-Free Class-Incremental Learning

ICASSP 2027 在投 · 第四作者

TRICE

Tri-Branch Calibrated Ensemble for Optimization-Free Incremental Adaptation in Few-Shot Class-Incremental Learning

ICASSP 2027 在投 · 第三作者