简历
任峻锋
南方科技大学硕士研究生
中国深圳
研究兴趣
空间智能与世界模型
语义占用 协同感知 预测式世界建模
Transformer 推理加速
Training-free token merging Content-spatial consistency QKV-level merging
LLM Agent 系统
Agent adaptation Cross-agent harness transfer Context-efficient tool use
教育背景
-
2024 - 至今 中国深圳
电子信息硕士
南方科技大学
-
2019 - 2023 中国青岛
物联网工程本科
山东科技大学
科研经历
-
2026年6月 – 至今 新加坡(远程)
远程科研实习生
新加坡国立大学
计算机学院,计算机科学系
- 研究可靠且高效的 LLM Agent 系统,聚焦跨智能体 harness 迁移、上下文高效工具使用和可靠性评估。
- 开发面向异构 LLM Agent 的可靠 harness adaptation 与工具输出选择研究系统。
-
2024 – 至今 中国深圳
硕士研究生
南方科技大学
广东省先进无线通信技术重点实验室
- 研究面向自动驾驶和具身系统的空间智能与高效 Transformer 推理,包括协同语义占用预测、预测式世界建模和 training-free token merging。
- 开发通信高效的多智能体感知与 Transformer 加速方法,重点关注紧凑 token 表示和冗余计算削减。
-
2023年7月 – 2024年1月 中国青岛
科研助理
山东科技大学
物联网工程实验室
- 研究资源受限的嵌入式与 IoT 系统,重点关注实时调度和边缘智能。
- 完成调度仿真实验,并合作发表一篇基于 RMS 的嵌入式调度同行评议会议论文。
论文与手稿
同行评议论文
-
Scheduling Optimization Design of IoT Embedded System Based on Improved RMS Algorithm
IEEE AIKIIE, 2023.
投稿 / 审稿中
-
Learning to Merge Tokens for Communication-Efficient Collaborative Occupancy Prediction
投稿 NeurIPS 2026, 2026.
-
FedHarness: Federated Harness Evolution for LLM Agents
投稿 AAAI 2027, 2026.
-
CriticShift: Reliability-Aware Tool-Output Selection for LLM Agents
投稿 AAAI 2027, 2026.
-
CAMerge: Context-Aware Token Merging for Efficient Semantic Segmentation
投稿 WACV 2027, 2026.
-
Bandwidth-Aware Adaptive Token Communication for Collaborative Occupancy Prediction
投稿 IEEE ITSC 2026, 2026.
准备中手稿
-
Collaborative 4D Occupancy World Models with Motion-Aware Token Memory
手稿准备中, 2026.
代表性科研项目
空间智能与世界模型
-
面向协同占用预测的通信高效 token 合并
在有限带宽下进行协同语义占用预测,通过接收端驱动通信和自适应 token 合并交换紧凑且任务相关的场景信息。
-
协同 4D 占用世界模型
融合多智能体观测、时间上下文和未来占用预测,进行面向动态和遮挡环境的预测式三维世界建模。
Transformer 推理加速
-
SCMerge — Content-Spatial Consistent Token Merging
一种 training-free token merging 方法,结合语义相似性与局部空间一致性,减少冗余视觉 token 同时保留场景结构。
-
QKV-level Token Merging
探索在 attention pipeline 内部进行 token merging,减少常规 representation-level token reduction 之外的冗余 QKV 计算。
LLM Agent 系统
-
FedHarness-RB
通过目标端验证和选择性部署,在异构 LLM Agent 间可靠迁移可执行 harness 改进,降低负迁移风险。
-
CriticShift
面向可靠性的工具输出选择方法,在减少工具型 LLM Agent 不必要上下文的同时保留任务关键证据。
代表性工程项目
-
基于 NVIDIA Jetson 的自动驾驶感知与决策系统
构建实时嵌入式自动驾驶原型,在 NVIDIA Jetson 上集成目标检测、车道感知、有限状态决策和车辆控制。
-
NAO 机器人视觉足球任务系统
开发基于视觉反馈和 NAO 运动控制的闭环机器人系统,实现找球、导航、对齐和踢球任务。
-
嵌入式边缘 AI 人脸识别门禁
面向资源受限嵌入式部署,开发结合模型压缩和量化的轻量级端侧人脸识别系统。
技术能力
编程与系统: Python, C/C++, CUDA, Linux
机器学习: PyTorch, Transformers, 三维感知, LLM Agent 系统
语言
中文 : 母语
英文 : CET-6;IELTS 6.5