2026.09 — 2029.06 Incoming
中国科学技术大学
信息科学技术学院 ·
电子工程与信息科学系 · 硕士研究生（电子与通信工程）
研究方向聚焦多模态学习、多智能体系统、OPD、强化学习（RL）与智能信息处理，关注感知、推理、决策在复杂系统中的协同。
Multimodal AI · Multi-Agent Systems · RL
吴贤Wu Xian
中国科学技术大学信息科学技术学院 2026 级拟入学硕士研究生，研究兴趣聚焦 多模态学习、多智能体系统、OPD 与 强化学习。
我关注视觉、语言与智能体决策之间的连接：如何让模型理解复杂场景，如何让多个智能体在开放环境中协同、推理与学习，以及如何把可靠的感知能力落到真实系统里。
当前希望在多模态表征、智能体协作、医学影像智能分析与强化学习方向继续深入，把算法能力转化为可解释、可验证、可部署的研究原型。
Research
多模态理解 / VLM / 智能感知
Agents
多智能体协同 / OPD / RL
Systems
PyTorch 原型 / 推理可视化 / 应用落地
Domain
医学图像分析 / 视觉识别 / 可信 AI
教育背景
Education & Language Ability
2022.09 — 2026.06
本科成绩单
GPA3.62 / 4.3
均分87.45
专业排名29 / 149（前 19.46%）
信号处理基础
机器学习与深度学习
计算机视觉
嵌入式系统
数理基础
Language Ability
英语能力
College English Test
CET4 472 · CET6 469，具备英文论文阅读、技术文档检索与信息整理能力。
研究与项目
Research Interests & Projects
多模态学习关注视觉-语言对齐、跨模态表征、医学影像与语义信息融合。
多智能体系统关注智能体协作、任务分解、通信机制与开放环境下的策略学习。
OPD / RL关注强化学习、序贯决策、策略优化与可验证的智能决策流程。
2025.12 — 2026.06 本科毕业设计
基于深度学习的视网膜 OCT 图像智能分割系统
面向视网膜 OCT 图像中的积液病灶分割任务，构建医学影像智能分析流程。以 U-Net 为基线，对 U-Net、Attention U-Net 等模型进行对比实验，重点关注病灶区域、边界结构与细粒度视觉表征。
完成数据预处理、模型训练、指标评估与桌面端推理可视化，基于 Dice、IoU 等指标评估分割效果，并通过 Tkinter 实现一键推理、掩膜叠加和结果展示。
PyTorchU-NetAttention U-NetMedical AISegmentation
2025.02 — 2025.04
基于深度学习的人脸识别远程打卡系统
面向远程办公身份核验与考勤场景，设计 C/S 架构的人脸识别系统。前端使用 PyQt5 与 OpenCV 完成视频流采集、图像预处理和交互，后端通过 Socket 通信与 openGauss 数据库管理人员信息及打卡记录。
复现并比较 EigenFace（PCA）与 CosFace 中的 LMCL 等识别方法，基于 PyTorch 实现带大间隔余弦约束的特征学习模型。
LFW 测试集准确率 95.70%Face RecognitionOpenCVPyQt5SocketopenGauss
2026.06 — 至今 研究整理
OPD Literature Atlas：OPD 系列论文精读与方法图谱
围绕 OPD 及相关强化学习/智能体决策论文，搭建持续更新的文献精读网站，用统一框架整理论文的核心问题、方法机制、训练流程、实验结论、局限与论文之间的关系。
项目支持按标题、缩写、机制与关键词即时搜索，按研究类别筛选，并用研究轴组织方法谱系；同时自动生成横向比较表，方便后续组会汇报、方向梳理与选题积累。
OPDReinforcement LearningMulti-AgentLiterature ReviewResearch Atlas
荣誉技能
Honors, Awards & Skills
竞赛奖项
第十二届“大唐杯”全国大学生新一代信息通信技术大赛 · 工程实践赛本科 A 组省赛一等奖 · 2025.05 第九届华为 ICT 大赛 · 实践赛 · 云赛道高教组省赛一等奖 · 2025.04 2024 年第六届全国高校计算机能力挑战赛 · 程序设计挑战赛（C++ 科目）· 华东赛区本科组二等奖 · 2024.11
荣誉称号与奖学金
校三等奖学金2022—2023
校三好学生2022—2023
校三等奖学金2024—2025
技术关键词
Python / C / PyTorch / OpenCV / MATLAB / Linux 基础 / 深度学习 / 计算机视觉 / 多模态学习 / 多智能体系统 / 强化学习 / 医学影像分析。