关于我 / About Me
Tech-Generalist for Applied AI.
你好，我是 王梓涵（Zihan Wang），电子信息硕士在读。我的研究与工程定位是 “技术全能（Tech-Generalist）+ 人工智能”，致力于在科研方法与工程落地之间构建双向通路。
我主张以严谨的数学逻辑拆解复杂问题，并具备从底层算法开发到全栈系统实现的闭环能力； 持续追求可验证、可复现、可演进的技术方案，核心目标是将前沿算法转化为高性能、稳定可用的服务。
研究方向 / Research Interests
- NLP & 大模型生态：聚焦领域 LLM 垂类应用、Agentic Workflow 设计与软件可追溯性恢复（Traceability Recovery）。
- 计算机视觉与流媒体：围绕 YOLO 系列、SAM、点云算法与高性能流媒体服务配置展开研究与工程实践。
- 具身智能与机器人：关注嵌入式机器人开发、运动控制算法与多传感器融合。
- 前沿交叉科学：探索拓扑持续同调分析（TDA）、EEG 脑波数据分析与医学影像建模。
- 全栈工程开发：具备前后端协同开发能力，重视分布式计算与容器化部署。
学术成果 / Selected Publications
我坚持“可复现 + 可落地”的研究范式，目前已公开多篇论文，代表性条目如下：
- Deep Learning Methods for Thyroid Imaging Segmentation: a Systematic Review
IEEE DSA 2025。围绕甲状腺影像分割任务，系统梳理深度学习方法演进路径与临床应用潜力。 - Individualized NIPT Timing via Regression and Dynamic Programming
IEEE DSA 2025。通过回归分析与动态规划联合建模，实现无创产前检测（NIPT）个体化时序优化。 - An Empirical Study on Data Balancing in Machine Learning Based Software Traceability Methods
IEEE IJCNN 2023。实证评估数据平衡技术对软件追踪链路恢复效果的影响，并给出不同场景的选型策略。 - Applications of Machine Learning in Requirements Traceability: A Systematic Mapping Study
SEKE 2023。基于系统映射研究分析机器学习在需求追踪中的十年应用脉络与关键趋势。
技术矩阵 / Skills
- 深度学习框架：PyTorch、TensorFlow、vLLM、Triton
- 大模型技术：RAG、Agentic Framework（Dify/LangChain）、LoRA 微调、蒸馏
- 工程与后端：Docker、Linux、Git、Flask、Spark、Redis、Nginx
- 数学与分析：拓扑数据分析（TDA）、动态规划、回归分析、统计学习
合作优先级：合作科研 > 技术合作 > 全职机会。欢迎围绕学术课题、开源项目或产品研发展开交流。
GitHub
：https://github.com/Wzhgeek
Email：
wangzh011031@163.com
微信：二维码位暂时留空，后续补充。