张斯羽
AI研究员与数据科学实践者
本人为数据科学与大数据技术专业在读本科生，兼具人工智能研究视野与数据科学实践落地能力，深耕人工智能、机器学习、深度学习方向，同时拓展计算机视觉、大语言模型交叉领域研究。
多模态学习与视觉-语言模型
研究多模态表征学习与跨模态语义对齐，探索视觉与语言信息的有效融合，以及视觉-语言模型在复杂场景理解任务中的应用。
时间序列学习与泛化
研究时间序列表示学习、多尺度动态建模与跨分布泛化，重点探索模型在不同采样频率、未见数据域及分布偏移条件下的预测能力与泛化性能。
数据挖掘与机器学习
研究从高维、时序、多源异构数据中挖掘潜在模式与知识，构建面向复杂场景的预测、分类与决策模型。
基于多模态大语言模型的遥感图像精准理解——动态分辨率与多尺度视觉-语言对齐研究 2026
本项目面向复杂遥感场景下的精准语义理解需求，针对现有多模态视觉-语言模型在固定分辨率图像处理过程中难以兼顾全局场景信息与小目标细节，以及单一尺度视觉-语言对齐难以建立细粒度语义关联的问题，提出动态分辨率与多尺度视觉-语言对齐相结合的遥感图像理解框架 RAH-VLA。项目设计动态分辨率输入策略（DRIS），根据图像区域的显著性动态分配视觉计算资源，并构建多尺度视觉-语言对齐机制（MS-VLAM），实现目标级、区域级与全局级的层次化语义对齐。该方法在遥感图像描述、视觉定位、多模态推理及高光谱图像理解等任务中取得了良好的实验效果，为高效、精准且具有跨模态泛化能力的遥感视觉-语言模型提供了新的研究思路。
查看详情 →
多模态大模型赋能的金融时序专用模型创新研究 2026
本项目聚焦人工智能大模型在金融时间序列分析与预测中的应用，针对金融市场数据具有多时间尺度、高波动性及复杂非平稳特征，以及现有预测模型在不同采样频率和金融资产之间泛化能力不足等问题，开展面向金融时序的专用模型创新研究。项目基于 Transformer 架构与金融时序基础模型，探索多尺度时序表征学习、跨尺度特征交互、自适应动态建模及信息瓶颈正则化等关键技术，构建具有跨频率、跨资产泛化能力的金融时序预测框架。
查看详情 →
INCILABS 英思美妆实验室智能管理系统 2025
INCILABS 英思美妆实验室智能管理系统是一项面向美妆行业研发管理需求的智能化信息系统项目，旨在解决传统美妆实验室在实验数据管理、配方研发、法规合规审查及原料库存管理等方面存在的数据分散、流程繁琐、信息共享困难和管理效率低下等问题。项目以实验室信息管理系统（LIMS）为基础，融合人工智能、大数据分析与自然语言处理等技术，构建涵盖实验全过程管理、智能配方开发、法规知识库、实验室项目管理、原料库存管理及市场反馈分析的综合管理平台。
查看详情 →
基于多目标规划的马拉松窗口期筛选与赛道优化研究 2025
随着全民健身理念的深入推进，马拉松赛事在中国城市快速发展，呈现出参与度高、举办频次快的趋势。面对赛事激增带来的管理压力，如何合理安排时间、优化赛道设计、提升选手体验与激励机制，成为赛事组织亟需解决的问题。基于此，本文聚焦中国重点城市，围绕四个任务构建了数据驱动的建模与优化体系，旨在为赛事精细化管理与科学决策提供量化支持和实证依据。
查看详情 →