Junran Zhang

研究兴趣

我的研究方向包括优化RAG与多模态大模型之间的协同，聚焦于知识密集型推理、多模态对齐、噪声鲁棒性，以及大模型推理效率与可靠性的提升（如RAG幻觉检测）。

研究经历

GR1: 地学推理的强化学习增强大语言模型

Yule Xie, Jiaxin Ding, Cheng Deng, Shiqing Gao, Junran Zhang, Sibo Zhang, Zeyuan Wang, Ke Wu, Xin Ding, Luoyi Fu, Meng Jin, Xinbing Wang. [ACL 2026 提交]

关键词：领域专属推理，大语言模型。构建包含10,000道题的GeoMC-10K地学多模态数据集，并设计GeoM2T多智能体框架将视觉任务转为文本。通过基于分组相对策略优化（GRPO）和事实奖励机制微调大语言模型，提升了5.9%和13.3%的精度。

AdaVTP: 基于文本条件信息瓶颈的自适应视觉令牌压缩

Huawei Ji*, Junran Zhang*, Cheng Deng, Jiaxin Ding, Luoyi Fu, Xinbing Wang. [ACMMM 2026 提交]

开发了STAR轻量级即插即用模块，通过文本条件信息瓶颈框架实现自适应视觉令牌压缩。该方法融合自显著度、视觉上下文评估、跨模态语义对齐三类得分，自适应保留任务关键视觉令牌，在多个模型上验证了其有效性。

项目经验

• RAG Chatbot开发

  开发了一个基于Transformer的大型语言模型聊天机器人，排名DataFountain竞赛前20%。

  技术栈：Python, PyTorch, Transformers, Hugging Face Libraries

• 跨平台远程控制平台（opsorbital.github.io）

  为CS/AI研究人员设计开发了一个远程服务器管理框架，支持实时监控、任务控制和通知功能。

  技术栈：Python, Android Studio, Flask, SQLite, WebSockets

技能

• 编程语言：Python, C++, SQL
• 框架：PyTorch, React
• 工具：Git, LaTeX, R
• 语言能力：CET-6（601），IELTS 7.0（6.0）