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

    Junfeng Ren

    IEEE AIKIIE, 2023.

    Paper

投稿 / 审稿中

  • Learning to Merge Tokens for Communication-Efficient Collaborative Occupancy Prediction

    Junfeng Ren

    投稿 NeurIPS 2026, 2026.

    项目

  • FedHarness: Federated Harness Evolution for LLM Agents

    Junfeng Ren

    投稿 AAAI 2027, 2026.

    项目

  • CriticShift: Reliability-Aware Tool-Output Selection for LLM Agents

    Junfeng Ren

    投稿 AAAI 2027, 2026.

    项目

  • CAMerge: Context-Aware Token Merging for Efficient Semantic Segmentation

    Junfeng Ren

    投稿 WACV 2027, 2026.

    项目

  • Bandwidth-Aware Adaptive Token Communication for Collaborative Occupancy Prediction

    Junfeng Ren

    投稿 IEEE ITSC 2026, 2026.

    项目

准备中手稿

  • Collaborative 4D Occupancy World Models with Motion-Aware Token Memory

    Junfeng Ren

    手稿准备中, 2026.

    项目

代表性科研项目

空间智能与世界模型

Transformer 推理加速

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。

    项目

  • 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。

    项目

代表性工程项目

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