郭亮 | AI Algorithm Engineer

关于我

点击查看证件照

教育背景

中国石油大学（华东）

海洋与空间信息学院 · 通信工程 · 硕士

2024.09 - 2027.07

Rank 1/100 · 211/双一流

中国石油大学（华东）

海洋与空间信息学院 · 通信工程 · 本科

2020.09 - 2024.07

211/双一流

技术方向

时序预测（气象、车速、轨迹）视觉感知（检测、分割）多模态大模型

荣誉奖励

国家奖学金

一等学业奖学金×2

综合优秀奖学金

优秀学生

核心技能

PyTorch / Transformers / Modelscope

DDP / AMP / LoRA

Linux / AI Coding

Python / ODPS / Git

技术栈

Causal Transformer Attention ViT / MiT / Swin RNN / GRU / LSTM UNet VLM CLIP GNN / GAT BERT / CRF 稀疏3D卷积 BEV FPN

实习经历

高德地图

交通算法组 · 算法工程师实习生

2026.01 - 2026.05

AI领航场景下道路车速语义信息预测

查看核心工作

• 独立负责基于ODPS处理分钟级千万级交通流数据，自主构建GRU-Seq2Seq时序预测基模，递归预测未来15分钟车流速度
• 主导设计数值到语义的评估体系，将预测数值映射为稳定和趋势（上升/下降）语义
• 独立完成模型导出ONNX、封装Java接口并接入MCP支撑线上调用，实现实时判断异常拥堵事件

90%+

准确率 & 召回率

70%

趋势场景准确率

GRU-Seq2Seq ODPS ONNX MCP

基于多模态大模型的导航POI空间方位感知

查看核心工作

• 协助团队进行导航场景POI方位识别VLM研发，参与将目标空间方位建模为细粒度多分类问题（如"左前方""右侧"等方位）
• 配合构建CoT+Answer训练数据，通过LoRA将大型VLM的方位识别能力蒸馏至Qwen3-VL轻量模型

85%+

方位判断正确率

VLM LoRA Qwen3-VL CoT蒸馏

项目经历

时序大模型 GitHub

MeteoTime

大规模预训练气象时序基座大模型

零样本预测

最大上下文 1024 小时

单次预测 64 小时

查看核心工作

• 构建Patch因果Transformer的时序大模型，支持最长1024点上下文、64点多步预测、分位数输出和自回归预测
• 搭建覆盖ERA5、BTS机场气象的百亿级数据管道，支持均衡采样、缺失掩码、随机掩码增强与长度分桶
• 建立覆盖Weather、中国近海海洋观测站与KDD Cup 2022风电场的Zero-Shot评测体系，对比Google TimesFM 2.5与Amazon Chronos-2

大模型预训练 Causal Transformer RoPE RMSNorm SwiGLU SDPA DDP 分位数预测

视觉感知 GitHub

MultiBEV

面向空间感知的LiDAR-相机多模态融合3D目标检测

参数量 38.2M

较LiDAR-only提升 +35%

Car mAP 0.65

查看核心工作

• 构建稀疏3D卷积骨干网络，设计高度注意力池化压缩Z维度聚合高度层的特征，更精细保留3D空间高度信息
• 基于Swin-Tiny预训练权重迁移学习，通过FPN多尺度融合提取图像特征，通过可学习深度头预测逐像素深度分布，配合深度投影将2D图像特征提升至3D BEV空间
• 设计门控残差融合模块自适应融合LiDAR与相机BEV特征，配合三分支解耦检测头实现3D目标检测

多模态BEV表征 ViT 稀疏3D卷积体素特征嵌入 DDP/AMP

多模态大模型 GitHub

OilDetectionVLM

多模态大模型驱动的SAR海面溢油智能感知

F1 0.96

MAE 0.54

Hit Rate 0.88

超过原生 Qwen3.7-Max

查看核心工作

• 将SAR溢油检测重构为视觉问答任务，设计"检测-计数-定位"三阶段输出框架
• 构建自动化VQA数据流水线，由Qwen3.7-Max从分割掩码生成CoT结构化标签数据
• 对Qwen3-VL-8B-Instruct的ViT与语言侧同步施加LoRA微调，实现双侧联合优化、任务能力高效迁移

VLM Qwen3-VL LoRA/PEFT VLM SFT 多任务视觉问答结构化CoT数据蒸馏

多模态 GitHub

CLIP-ITMatch

基于CLIP与ONNX量化的轻量图文检索模型

R@1提升 +24.4%

压缩率 75.7%

加速 +21.5%

查看核心工作

• 基于CLIP-ViT-B/16构建图文检索模型，在图像/文本塔q/k/v/out层引入LoRA，完成Flickr30k图文对齐优化
• 构建I2T/T2I双向评估流程，以Multi-positive Recall评估一图多文本TopK检索
• 导出ONNX，对MatMul权重做INT8、token embedding做INT4量化，使用ONNX图优化加速推理

CLIP 图文检索 LoRA/PEFT 对比学习 ONNX Runtime优化权重量化

视觉感知

OilSeg

基于迁移学习与多尺度融合解码的SAR溢油图像语义分割

参数压缩 42.5%

mIoU 0.734

溢油IoU 0.662

查看核心工作

• 设计轻量Adapter注入MiT骨干，以少量参数增强局部空间感知，配合预训练权重完成迁移学习
• 以FPN替代U-Net解码器，构建语义-细节双路径精修模块
• 引入CE-Lovász混合损失直接优化IoU指标

语义分割 Vision Transformer FPN多尺度融合迁移学习 DDP/AMP

其他

学术成果

IF = 9.1 · 中科院一区TOP · 风速时序预测

Short-term multi-step wind speed forecasting with multi-feature inputs using Variational Mode Decomposition, a novel artificial intelligence network, and the Polar Lights Optimizer

Renewable Energy

• 采用皮尔逊相关系数完成特征筛选，结合VMD模态分解构建多维特征输入
• 设计三阶段融合神经网络，依托GCN与通道注意力挖掘特征关联
• 相较7类基线模型实现性能全面提升

DOI

IF = 5.5 · 中科院二区TOP · 风速时序预测

Medium-term offshore wind speed multi-step forecasting based on VMD and GRU-MATNet model

Ocean Engineering

• 提出分解-深度学习混合框架，以VMD分解信号规避EMD系列噪声累积
• 提出GRU-MATNet，融合多头注意力增强高频细节
• 中远期预测全面优于主流基线

DOI

郭亮 2027应届

关于我

教育背景

技术方向

荣誉奖励

核心技能

技术栈

实习经历

高德地图

AI领航场景下道路车速语义信息预测

基于多模态大模型的导航POI空间方位感知

项目经历

MeteoTime

MultiBEV

OilDetectionVLM

CLIP-ITMatch

OilSeg

更多项目

GraphTimeLLM

OceanNER

TrajPred

学术成果

Short-term multi-step wind speed forecasting with multi-feature inputs using Variational Mode Decomposition, a novel artificial intelligence network, and the Polar Lights Optimizer

Medium-term offshore wind speed multi-step forecasting based on VMD and GRU-MATNet model

联系我