Renyuan LIU

Renyuan LIU

香港中文大学（深圳）人工智能研究型硕士生

Ryannnice 从 2026-02-01 至 2026-09-30 的 GitHub 贡献日历

Renyuan LIU（刘稔rěn远）

你好，很高兴在这里认识你！ 我是香港中文大学（深圳）的人工智能研究型硕士生（MPhil），导师为胡君杰教授（人工智能学院）与王阿康博士（数据科学学院）。

欢迎计算机科学各方向的交流与合作。查看个人简历 · 访问 TEAM NEXUS

精选 AI 系统项目

100 工具电商智能导购与多轮工具规划 Agent 系统

2026 年 7 月 – 至今

9,000 条请求上工具规划全链路准确率由 19.29% 提升至 92.62% 的折线图
固定 9K 测试集上的全链路决策增益
多轮 Agent 在独立测试集上准确率提升至 94.56% 的折线图
独立测试集上的多轮 Agent 消融

查看完整项目主页

展开项目详情

项目背景：作为核心研发，负责 100 工具、8 大业务域电商导购 Agent 研发，解决全量工具开销、同类工具混淆、多需求顺序错误与跨轮历史污染。

  • 意图分流（分类准确率 100.0%）：构建 4.8 万条电商/闲聊数据，LoRA 微调 Qwen3-0.6B，9,000 条隔离测试准确率 84.8%→100.0%；较 Qwen3-1.7B，推理中位延迟降低 34.3%、吞吐提升 52.0%。
  • 高效工具检索（Top-10 工具全召回率 97.4%）：构建 7 万正对与 9.6 万类型化负例，采用多负例对比学习微调 bge-large，并以 1:7 正负难例组训练 bge-reranker-v2-m3；实现 BM25/向量双路召回、两级 RRF 融合与 Cross-Encoder 精排，采用“召回 40→精排 20→规划 10”的分层筛选，Top-10 全召回率 47.6%→97.4%；相较“精排 30→规划 20”方案，规划模型输入 Token/重排中位延迟降低 36.8%/33.7%。
  • 多步工具规划（端到端准确率 92.6%）：构建 7.8 万条多风格工具调用轨迹，基于 MS-SWIFT 使用 LoRA 微调 Qwen3-8B，在固定 Top-10 候选中输出有序工具链；基于父模型真实错误构建 4,000 组偏好对，采用 RPO 主训练、DPO 低学习率收敛，规划模型工具链完全匹配率 85.7%→88.9%；在 9,000 条静态测试上，端到端准确率达 92.6%。
  • 多轮 Agent 框架（上下文依赖请求准确率 92.8%）：设计模型外上下文编排器，以规则状态机调度近期状态、规则摘要与会话内 BM25，将必要历史压缩并补全为可独立规划的当前请求，再接入原规划模型，通过请求边界与整轮恢复抑制历史污染；基于近 2,000 段 2–7 轮自然短会话完成 12 阶段消融，独立测试整体准确率较直接拼接基线 50.5%→94.6%，上下文依赖/无关请求准确率达 92.8%/97.4%，版本校验缓存使规划模型调用减少 60.3%。

核心成果：9,000 条隔离测试意图准确率 100.0%；Top-10 工具全召回率 97.4%（基线 47.6%）；端到端准确率 92.6%；上下文依赖请求准确率 92.8%，规划模型调用减少 60.3%。

项目一｜DeepSeek-V4 国产算力适配与昇腾算子优化

2026 年 3 月 – 6 月 · 深圳市大数据研究院

昇腾算子优化 Agent 架构，包括规划、编码、验证、知识检索、性能画像、诊断、优化与测试
昇腾算子优化 Agent 架构
展开项目详情

项目背景：作为核心研发，参与深圳河套学院联合华为、智子芯元开展的 DeepSeek-V4-Pro 国产算力全参数后训练。围绕 DeepSeek-V4 在国产算力上的推理与后训练落地，负责昇腾 910C 部署测评、算子优化 Agent 研发及融合反向算子优化。

  • 910C 推理适配与测评（DeepSeek V4 Flash/Pro）：参与在昇腾 910C 集群部署与测评 DeepSeek V4 Flash/Pro，基于 ShareGPT 等数据对比 vLLM Ascend 与 SGLang 的 Prefill/Decode 性能，为推理框架选型与部署配置提供依据。
  • 算子优化 Agent（昇腾迁移与开源）：针对昇腾算子依赖人工分析与反复试错的问题，基于 MIT Kernel Design Agents 重构适配 910B/910C 的算子知识库、优化规则与性能诊断工具，打通检索→生成→编译→精度/性能验证→保留/回退闭环，开源 Kernel-Agent-Ascend。
  • 融合反向算子优化（耗时降低 20.9%）：基于 msprof 定位 AIV 侧标量地址计算、稀疏访存、同步等待与负载不均；通过地址计算化简、低命中搬运分支裁剪、冗余同步删除、分块/片上缓存优化及向量任务重分配，同时修复缓存扩容引发的尾块越界，算子耗时 22.603→17.88 ms（1.26×），四路输出余弦相似度均为 1.0。

核心成果：目标配置（BSND/BF16，B=1、S=4096、K=1024）下，融合反向算子耗时 22.603→17.88 ms，降低 20.9%（1.26×）；四路输出余弦相似度均为 1.0，最大相对误差 8.39e-4。

项目二｜LLM 语义路由与 AI Agent 应用

2026 年 3 月 – 5 月 · 深圳市大数据研究院

展开项目详情

项目背景：面向多模型服务成本控制与 AI 教育业务落地，负责轻量语义路由及 AI 教育平台后端开发。

  • 轻量语义路由（成本降低 62%）：参与设计基于 Query 与领域原型向量的 Domain 划分，并结合模型内部表示判断问题难度、分配不同规模模型；在准确率损失控制于 10% 内将推理成本降低 62%。
  • AI Agent 应用（后端开发）：基于 Vue3/Vite/Vue Router + FastAPI/SQLite/Docker 从 0 搭建 Web AI 教育平台及 Android 端；封装 SSE 流式生成与多轮会话，完成用户/会话/Token 监控、附件上传、Markdown/代码/网页预览及移动端适配，支撑新闻筛选、学习与 Coding Agent 工坊。

最新动态

研究兴趣

我的研究兴趣贯穿从模型行为到高效部署的完整链路。当前工作聚焦 AI 基础设施（AI Infrastructure）、AI Agent 与大语言模型后训练（LLM Post-Training），同时持续探索具身智能与机器视觉。我关注高效、可靠的 AI 系统，也希望将研究想法落实为真正可运行的系统。

  • AI 基础设施：高效推理与训练、加速器适配、性能分析及算子优化；
  • AI Agent：工具检索与规划、多轮上下文编排、记忆、评测和具身决策；
  • 大语言模型后训练：监督微调、偏好优化、参数高效微调和以数据为中心的评测；
  • 机器视觉（本科阶段）：面向实时碰撞检测与机器人导航的昆虫视觉神经模型。

本科期间，我有幸在广州大学机器生命与智能研究中心接受傅沁冰教授指导，并在英国约克大学计算机科学系接受刘鹏程教授指导。

我的本科研究主要聚焦类脑神经网络与机器视觉：通过建模昆虫视觉回路实现鲁棒的实时运动感知，并将这些机制转化为机器人碰撞检测系统。我喜欢亲手完成编码、调试、性能分析和端到端系统实现。实验平台包括配备双目相机的 TurtleBot 与微型地面机器人 Colias。

面向神经具身微型机器人 Colias 的部分代码：

经历

在审稿件

  • R. Liu、H. Zhou、C. Fang、Q. Fu，[稿件双盲评审中。] 投稿至 2026 IEEE International Conference on Robotics and Automation（ICRA，CCF-B）。

  • M. Wang*、R. Liu*、Q. Fu，[稿件双盲评审中。] 投稿至 IEEE Transactions on Cognitive and Developmental Systems（JCR Q1，IF = 4.9）。

  • [稿件双盲评审中。] 投稿至 IEEE Robotics and Automation Letters（RA-L），研究方向为具身智能与语义导航。

已发表论文

荣誉与奖励

  • 省级一等奖（前 3%），中国大学生计算机设计大赛
    2025 年 5 月 [证明材料]

  • 国际二等奖（Honorable Mention），美国大学生数学建模竞赛（MCM）
    2025 年 1 月 [证明材料]

  • 国家一等奖（前 5%），亚太地区大学生数学建模竞赛
    2024 年 11 月 [证明材料]

  • 省级一等奖、创新银奖（1,167 支队伍中第 2 名），“大湾区杯”粤港澳金融数学建模竞赛
    2024 年 11 月 [证明材料]

  • 二等奖学金（前 8%），广州大学
    2025 年 12 月 [证明材料]

  • 三等奖学金（前 12%），广州大学
    2024 年 11 月 [证明材料]

  • 一等奖学金（前 5%），广州大学
    2023 年 12 月 [证明材料]

  • 获胜团队杰出表现嘉奖信，香港大学与澳门大学跨学科项目——新媒体、科技创新、艺术与数据挖掘
    2023 年 11 月 [证明材料]

  • 省级重点大学生创新创业训练计划项目：基于光流与学习优化的仿生 LGMD 碰撞检测模型（S202411078014） [证明材料]

技术能力

  • 大语言模型后训练与 Agent：Qwen3、Transformer、SFT、DPO/RPO、LoRA、Tool Calling、模型外记忆、多轮上下文编排与 Agent 评测
  • 检索与模型服务：Embedding、Reranker、BM25/向量混合检索、RRF、Cross-Encoder、vLLM 与 SGLang
  • AI 基础设施：CUDA、昇腾 910B/910C、msprof 性能分析、推理基准测试与算子优化
  • 工程开发：Python、C/C++、PyTorch、Hugging Face、MS-SWIFT、FastAPI、SQLite、Docker、Git、Vue 3 与 Linux
  • 机器人与嵌入式：ROS、STM32、Keil、Webots、MATLAB，以及双目视觉/微型机器人平台
  • AI 辅助开发：每日高强度使用 Codex 与 Claude Code，月消耗 Token 百亿量级
  • 语言： IELTS 6.5（阅读 8.0、听力 6.5、写作 6.0、口语 5.5）；CET-6 564（阅读 242/248.5）
  • 文档与媒体：LaTeX、Markdown、MS Office/Visio、Adobe Photoshop 与 Premiere Pro

  • 学习是世界上最幸福的事情之一。

    喜欢电影、音乐、摄影、篮球、跑步、羽毛球、徒步与烹饪……

学术会议

TAROS 2025，英国约克

  • Fly-Inspired Ultra-selective Looming Perception and Avoidance on Resource-Constrained Micro-Robots，海报。

Living Machines 2025，英国谢菲尔德

  • A Biomimetic Collision Detection Visual Neural Model Coordinating Self-and-Lateral Inhibitions，30 分钟口头报告。

IJCNN 2025，意大利罗马

  • Attention-Driven LPLC2 Neural Ensemble Model for Multi-Target Looming Detection and Localization，视频。

ICMPSO 2024，中国广州

  • 走向更广阔的学术世界。

启发我的文章

访客地图

访客来源国家地图