陈旭天

chenxutian@buaa.edu.cn

17369720372

教育经历

北京航空航天大学 | 2025/9 – 至今人工智能硕士 | 北京，中国

暨南大学 | 2021/9 – 2025/7 人工智能学士 | 珠海，中国

美团无人车业务部	2026/3 – 至今
实习生 - 决策规划算法	北京，中国

路口数据闭环：维护并修复人驾 Daily Pipeline，系统定位上游数据缺失、路径不一致、Proto 迁移与 Dataset 加载等问题，补齐历史断档数据；设计覆盖驾驶模式、转向类型、RA 结果融合、过滤与分布统计的自动化收集 Workflow。
大规模数据集构建：构建 2025.06—2026.05 路口右转自驾数据集，完成 SQL 场景提取、RA 挖掘、质量过滤与时间戳对齐；将 278.9 万 Case / 13,501 小时原始数据沉淀为 108.1 万 Case / 3,446 小时训练可用数据，并同步构建人驾数据集。
模型训练与仿真评测：跑通 Query Decoder 的“数据重刷—特征导出—Backbone/Head 训练—ONNX 导出—仿真评测”闭环，完成 Shared Encoder 6.3 适配；通过回归 Case 分析轨迹避让、选道与曲率等表现，并优化 Mviz 路口模型可视化。

广东省智能科学与技术研究院 | 2025/2 – 2025/9 实习生 | 珠海，中国

作为前三作者，研究成果已申请2项软件著作权：物流仓库多智能体机器人路径规划系统 与 基于积分任务管理与账单追踪的轻量化工具平台。
设计大鼠社会与攻击性行为分类的实验框架与基准数据集，使用 DeepLabCut 标注身体关键点协同，并以 LightGBM 对比 LSTM、CNN、GMM 等模型的性能；项目代码：DLC_train；研究成果以共同第一作者身份发表于 Scientific Data：A Benchmark Dataset for Rat Social and Aggressive Behavior Classification。
使用AutoDock Tools处理受体蛋白靶点，完成约 430 万个小分子的分子对接（Docking）实验，为药物研发的大规模计算任务，通过结合能和状态筛选药物分子；设计并行框架并在 4 块 RTX 2080Ti 上部署，源代码：Dock。

多智能体路径规划 | 2024/3 – 2024/7 研究助理 | 珠海，中国

复现 CL-CBS 多智能体路径规划算法，完成环境搭建、代码调试、结果可视化与实验链路打通，形成可复现基线。论文：CL-MAPF：具有运动学与时空约束的类车机器人多智能体路径规划。
搭建批量实验与结果分析脚本，实现实例自动求解、视频生成、超时跳过、CSV 汇总及性能曲线绘制，用于 CL-CBS 与 Standard CBS 对比评估。
基于 profiling 定位算法瓶颈，分析 Spatiotemporal Hybrid-State A* 的关键优化机制，包括三重启发、解析终端扩展、时空状态建模与代价惩罚设计。

ASC2022 | 2021/11 – 2022/6 团队成员 | 珠海，中国

项目目标：在有限算力（8× Tesla V100 16GB）和功耗约束下，完成 47 亿参数”源1.0”大语言模型的预训练，并实现 55% 的训练加速（从 45h 降至 28h）。
内存优化：主导应用 ZeRO-Offload 与 ZeRO Stage 1 技术，成功将 75.2GB 的模型状态（参数、梯度、优化器状态）卸载至CPU内存，在仅 8×16GB 显存上跑通 47 亿参数模型，解决了 CUDA OOM 瓶颈。
训练加速：部署 Megatron-DeepSpeed 框架，设计并实施 4路张量并行 + 2路流水线并行的策略，相较单纯8路张量并行，将训练吞吐从 4.08 samples/s 提升至 4.66 samples/s。引入混合精度训练 (AMP)，在 NVIDIA Tensor Core 上利用 FP16 算术加速计算，并解决精度溢出问题。用 Intel MKL 数学库编译 PyTorch，并将其与针对CPU卸载优化的 DeepSpeed CPU Adam 优化器结合，显著加速了 CPU 端的优化器计算步骤。

编程语言： Python, C/C++, Java

技术技能： PyTorch, TensorFlow, DeepSpeed, Megatron, CUDA, Git, Jenkins, SSH, SQL

核心能力： 算法性能分析与优化，数据挖掘与清洗闭环，模型性能评测