徐嘉元

作为评测组核心开发人员，设计并实现了面向社会心智大模型的自动化评测与反馈 Pipeline。具体方法包括：基于 ToMbench 和 ToMATo 等心理理论评测基准搭建多任务评估框架，集成 vLLM 推理引擎与分布式评测脚本，支持对 Qwen、LLaMA 等系列模型的批量自动化推理与多指标计算；通过将评测结果回传，为模型训练调优提供更快更准的结果反馈。该框架已支撑所内社会心智大模型项目的多轮迭代训练与新训练模型的系统性评测。项目预期结项成果包括构建性能领先的社会心智大模型，并计划将相关研究成果投稿至国际顶级期刊/会议。

社会心智大模型项目评估框架开发者 - 中国科学院

(2026-02)

作为评测组核心开发人员，设计并实现了面向社会心智大模型的自动化评测与反馈 Pipeline。具体方法包括：基于 ToMbench 和 ToMATo 等心理理论评测基准搭建多任务评估框架，集成 vLLM 推理引擎与分布式评测脚本，支持对 Qwen、LLaMA 等系列模型的批量自动化推理与多指标计算；通过将评测结果回传，为模型训练调优提供更快更准的结果反馈。该框架已支撑所内社会心智大模型项目的多轮迭代训练与新训练模型的系统性评测。项目预期结项成果包括构建性能领先的社会心智大模型，并计划将相关研究成果投稿至国际顶级期刊/会议。

直播电商GMV实时预测与选品决策系统负责人

(2025-10 - 2026-04)

作为核心开发者，设计并实现了一种基于PatchTST时序编码器和双层嵌套注意力机制的直播GMV预测模型，通过融合用户画像、选品特征、直播间数据、口播文本等多类时序特征，实现了对未来多步的GMV增量预测。在真实直播数据集上，模型能够有效捕捉用户行为、商品转化和流量事件的时序依赖关系，支持在T时刻对不同主推选品进行GMV增量预测，通过对比不同选品策略的预期收益，为直播选品决策和运营策略优化提供数据支持。

基于多模态大模型和强化学习的医学图像分割模型研究第三作者

(2024-09 - 2025-08)

负责构建一个全新的U-MRG-14K数据集，参与设计强化学习模型，以及评测图像分割模块。我们提出了新的隐式医学推理定位任务（UMRG），要求模型能够将隐式查询转换为像素级的图像定位。同时，我们基于多模态大模型开发了一种针对UMRG任务的医学图像模型MedReasoner；发布高质量数据集U-MRG-14K，包含超过14K数据集，涵盖CT、MRI等常见医学图像模态，提供像素级掩码、隐式查询、推理痕迹以及最终定位结果。

图像参数高效微调算法研究第一作者

(2025-02 - 2025-05)

作为第一作者，提出了一种图像参数高效微调算法Edge Adapter，通过引入边缘特征作为辅助增强手段，在保持视觉基础模型强大语义特征的同时，提高了模型对篡改区域的定位能力。具体方法包括采用DINO和Mask2Former的解码器作为骨干网络，通过Canny边缘检测器提取图像的边缘特征，仅微调2.99M的可训练参数，在Columbia、NIST等多个公共数据集上的性能上取得了平均3%的提升。

本科 - 物联网工程 - 北京邮电大学 (2022-09 - 2026-06)

硕士研究生 - 计算机科学与技术 - 中国科学院大学 (2026-09 - 2029-06)