cv · 计算认知建模
计算认知建模版简历 —— 强调 POMDP / RL / 贝叶斯建模在人类决策、社会认知、 神经解码中的应用。目标：DeepMind / Anthropic / Meta AI / 计算神经科学实验室。
钟启隽
本科生 · 中山大学 · 具身智能 & 计算认知科学
zhongqj7@mail2.sysu.edu.cn · zhongqijunbell@gmail.com · gaigebell.github.io · github.com/gaigebell · LinkedIn · Google Scholar
广州，中国
教育经历
中山大学
2024 – 2028
工学学士 · 计算机科学与技术（预计） · 计算机学院
中山大学 心理学系
2023 – 2024
（已转系至计算机学院） · 心理学系
计算建模项目
目标不确定性下的风险决策规划策略研究
2024-08 – 2026-04
概念化、建模、结果分析
- 设计双阶段 MDP 建模从目标不可见到目标可见的决策过程的最优策略行为模型。
- 在最优策略、特征启发式（线性回归）、混合策略（Logistic 回归）三类模型间做模型比较，识别最能解释行为剩余方差的模型类别。
- 将单目标启发式预测因子向量化，扩展到多目标场景而无需重训。
- 与人类行为数据拟合；框架可跨任务族迁移。
强化学习视角下能力和温暖对社会同伴选择的影响
2024-04 – 2024-08
建模、结果分析
- 用强化学习框架建模社会认知中"能力 vs 温暖"权衡下的同伴选择。
- 提出线性符号模型捕获人类对温暖或能力的先验偏好。
- 并行化参数搜索用于候选计算模型拟合；精度 0.1 → 0.001。
- 建模人类在选合作同伴时如何权衡工具性（能力）与情感性（温暖）线索。
基于深度学习方法的中文脑语义重构
2024-04 – 2026-08
项目负责人
- 神经解码流水线 — 用深度学习从非侵入式 EEG/fMRI 信号重建中文语义表示。
- 端到端栈 — 预处理、训练、评估、推理。
- 采用 CNN、RNN、Transformer 架构捕获神经数据中的空间和时间模式。
- 采用信息瓶颈对齐神经表示与从 LLM 提取的语义特征。
- 将束搜索解码集成到 LLM 文本生成中以提升推理质量。
- DDP 多机多卡训练；同一模型同一数据集下，训练时间从 4 天压缩到 1.5 天。
- 桥接 脑机接口（BCI） 与语言计算认知建模。
论文
论文撰写中 —— 见 /projects/。
技能
编程语言: Python (PyTorch, NumPy, scikit-learn), C/C++, Matlab
工具与环境: Linux, Git, Docker, LaTeX, ROS, WebSocket, Notion, Obsidian
领域: 强化学习, 深度学习, 机器人操控（Franka）, EEG/fMRI 信号处理, 贝叶斯建模
语言: 中文（母语），英语（CET-6 605/ 备考 IELTS）