同济大学 · 启迪书院
从语音转写到视觉质量，
探索可靠的智能感知。
同济大学启迪书院本科生，关注语音转写的可靠性与 AI 生成图像的质量评估。通过模型设计、实验分析和系统实现，把研究问题推进为可验证的方法。
01 SELECTED RESEARCH
关注模型输出是否可信，以及评估能否反映真实改进。
以下两项工作均为第一作者在投稿件。
Auditing Exact-Repetition Containment in Multi-Speaker Transcription
针对多说话人转写中的精确重复，联合考察解码控制、确定性文本压缩与删除敏感评估。通过保留可追溯的编辑记录，区分“重复减少”与“转写更准确”，分析重复抑制带来的收益及误删代价。
CaliTrace: Monotone Spatial-Penalty Routing for AI-Generated Image Quality Assessment
面向 AI 生成图像的无参考质量评估，将冻结的 SigLIP 局部特征映射为非负空间惩罚场，汇聚后从与图像无关的可学习截距中扣除，再映射为质量分数。显式约束惩罚到评分的关系，使任一惩罚坐标增大时，质量评分不会升高。
02 RESEARCH INTO PRACTICE
从场景理解到模型训练，再到系统验证。
在团队中承担具体问题，也连接完整流程。
世界模型辅助的自动驾驶最小风险决策
项目负责人 · 5 人团队
面向自动驾驶失效且驾驶员不适合接管的场景，探索世界模型辅助的风险最小化策略。负责舱外预测体系的设计与开发，包括摄像头数据结构化、大模型辅助场景描述、技能设计与训练，以及世界模型的训练与评估。
从自然语言指令到机器人空间搭建
视觉模块负责人 · 10 人团队
围绕机器人空间搭建任务，负责视觉识别、数据采集、模型训练与对齐、后训练优化等工作。针对幻觉与决策偏差等失败案例，分析视觉输入到动作执行的误差，并据此迭代模型与系统。
03 ABOUT & APPROACH
我的研究从具体问题出发：转写中的重复被去掉后，内容真的更准确了吗？图像质量分数的变化，能否对应到明确的惩罚路径？我希望用清晰的假设和可复查的实验，回答这些问题。
在研究之外，我也参与世界模型与机器人视觉项目。重视从数据、模型到评估的完整过程，以及让团队中的每一项工作能够被理解、验证和继续迭代。
围绕研究问题构建对照实验，区分评价指标的含义，结合错误分析检验方法的实际收益。
对照实验 / 评估审计 / 失败案例分析覆盖语音转写后处理、图像质量建模、视觉识别与世界模型训练，关注数据组织和评估过程的一致性。
语音与视觉 / 模型训练 / 数据处理使用 Python 与 C++ 开展原型开发，承担核心模块实现与项目推进，将研究想法落实到可运行的系统。
Python / C++ / 原型开发 / 团队协作04 GET IN TOUCH
欢迎围绕语音转写、生成图像质量评估、世界模型与机器人视觉交流，也期待参与有清晰问题和扎实实验的研究合作。