董梧铮
用数学和工程，做可落地的智能系统。
南开大学数学与应用数学本科，新加坡国立大学数学硕士在读。 6 段头部机构实习经历，覆盖 AI Agent、大模型评测、因果推断、多模态算法。 2 篇论文，5 个研究项目，从遥感到量子计算。
教育背景
新加坡国立大学
南开大学
实习经历
清华大学 · 认知智能实验室 查看详情 →
主导 LLM Agentic RL 在多轮对话数据的后训练优化研究，研发 LLM Embedding 驱动的用户对话画像聚类算法，参与模型拟人化评测体系构建。
字节跳动 · TikTok Live 查看详情 →
基于 LangGraph DeepAgents 从零构建全栈 Agent 应用 BMO，实现针对复杂业务数据的自动化异常检测、智能化根因归因和深层次多维分析。
中国信息通信研究院 · AI 研究所 查看详情 →
负责大模型评测领域工作，执行 DeepSpeed 微调构造 LLM-as-judge 领域适应一体化模型及打分器 GlobalHealthAtlas（上海市重大科技专项）。
腾讯 · 云与智慧产业事业群 查看详情 →
主导广告投放 LTV 提升项目 Uplift 因果推断与 MDP 决策模型训练，负责 Text2SQL Agent 微调与 RAG 构建，构建 R-Adributor 渠道侵蚀测算算法。
甲骨易（LanguageX） 查看详情 →
LoRA SFT 微调构建 LanguageX 多语言多模态算法机器翻译模型，优化 MinerU 实现多目标复杂版面识别算法，参与合成数据泛化性研究。
作业帮 查看详情 →
用户增长算法模块开发，视频答题题目生成框架搭建。
项目经历
面向 NISQ 设备的拓扑编码与物理启发式自组织量子脉冲神经网络 查看详情 →
融合量子多体物理、统计物理与计算神经科学，提出一种自组织、物理启发的混合计算范式。在组合优化问题的模拟与"国基一号"量子机实验中，在噪声环境下展现出优于标准 QAOA 的求解精度与鲁棒性。
用于电力行业碳排放测度的两阶段 Transformer 框架 查看详情 →
提出将计量经济与深度学习融合的 Transformers 架构模型，从而显著提升对碳排放的精准估算。
基于距离加权自注意力的多阶段深度学习法医混合 STR 图谱解析 查看详情 →
将距离加权自注意力深度学习机制引入法医 STR 鉴定框架，实现混合 DNA 图谱全链条解析 — 从身份识别到去噪图谱的智能推断。
面向复杂观测数据的抗噪声因果推断深度学习模型优化 查看详情 →
基于 Dragonnet 模型，融合 HSIC 约束、Neyman 正交化及不确定性量化，提出抗噪声因果推断深度学习框架。
技能
编程
Python / C++ / SQL，熟练掌握数据结构与算法，具备工程化开发经验。
机器学习
PyTorch / TensorFlow / Transformer，熟悉经典模型与前沿架构。
大数据
Hadoop / StarRocks / Spark，具备大规模数据处理与分布式计算经验。
大模型
LangChain Agent 架构，具备蒸馏、量化、SFT/DPO/PPO 微调、部署、推理优化、结构化输出、模型评估全流程经验。
校园经历
南开大学数学系省身班 / 大类二班
班长、组织委员
南开大学数学科学学院
学生代表、助管
南开大学学生工作部
学生导师、助教