骆子谦
AI / Machine Learning Engineer
中国科学技术大学少年班学院人工智能专业本科在读，专注于深度学习、3D 计算机视觉与量化投研。Kaggle CryoET 3D 粒子检测国际竞赛第 2 名 / 931 队（金牌，$12,000 奖金），拥有量化高频预测建模与自动驾驶感知算法的实习经验。
工作经历
蒙玺投资 · 合肥 AI Lab
机器学习研究员（实习）
主导优化 1 分钟级别高频投研预测模型，独立探索多种提升预测精度的研究方向：
- 基于 Ray + Hydra 搭建分布式训练架构，优化数据统计、读写与训练效率
- 设计统计与深度学习结合的因子筛选方法，探索表格数据处理与归一化策略
- 设计 IC / RankIC 导向损失函数，针对短时序场景优化网络信息提取结构
- 实现多模型 Ensemble 策略，实现较高预测 IC 和 RankIC
北京小米移动软件有限公司
生成仿真大模型算法工程师（实习）
汽车部 › 自动驾驶部 › 感知算法部 › 真值系统
- 紧跟自动驾驶世界模型前沿，复现百度未开源的 BEV World Model
- 在内部数据采集车（SU7）的大规模真实数据集上完成训练、Fine-tune，验证模型在业务场景下的泛化性能
竞赛经历
CZII CryoET Object Identification Challenge
🥈 2nd / 931 Teams
Score: 0.78381
Kaggle Gold · $12,000
CryoET（冷冻电镜断层扫描）3D 粒子检测国际竞赛，在 3D 细胞图像中定位并标注多种蛋白质复合物。共 6,855 名参赛者，27,971 次提交。
- 设计多种轻量级 3D 分割模型集成方案（参数量 873K–14.2M），涵盖 UNet3D / VoxResNet / VoxHRNet / SegResNet / DenseVNet / UNet2E3D
- 组合 Tversky / Dice / CE Loss，为不同粒子类型定制 mask 半径，InstanceNorm3d + PReLU 提升训练稳定性
- CC3D 粒子质心计算 + 体素统计过滤，集成 7–10 个互补模型 + TTA + TensorRT 量化加速
全国中学生物理奥林匹克竞赛（CPhO）
全国一等奖 浙江赛区 · 全省第 91 名 · 高二阶段获得