姜婧妍，深圳技术大学大数据与互联网学院助理教授，硕士生导师，深圳市孔雀特聘C类人才。曾在清华大学深圳国际研究生院从事博士后研究。在吉林大学大学先后获得计算机科学与技术专业学士和博士学位。研究兴趣为人工智能、分布式机器学习、计算机视觉、具身智能。相关研究成果在国际权威期刊或顶级会议，如IEEE RTSS、IEEE/CVF CVPR、IPS、IEEE TITS、TSC等发表二十余篇相关学术论文，其中CCF-A 类推荐期刊/会议 4 篇，CCF-B 类会议 2 篇，中科院一区/JCR-Q1期刊 4篇，Google Scholar被引730+次，发明专利10项。

一、教育经历

2014/09-2020/00，吉林大学，计算机系统结构，工学博士

2017/09-2020/09，清华大学国际研究生院，访问博士

二、工作经历

2022/09-至今，深圳技术大学大数据与互联网学院，助理教授

2020/09-2022/08，清华大学, 国际研究生院，博士后

2020/07-2022/08，深信服科技股份有限公司，高级研发专家

2019/10-2020/06，腾讯科技，算法实习生

三、主要研究领域

主要研究方向为：主要解决核心问题是“如何让预训练模型在面临真实生产环境的时候，性能更好，资源消耗更低？”具体来说，面向多模态、具身智能和边缘计算场景的深度模型/LLM的模型微调与推理部署优化。（该技术可应用场景广泛：如自动驾驶、大模型、工业互联网、具身智能、推广搜等） 

智能多媒体感知与推理实验室（Sinx-Lab: Smart Multimedia Learning and inference Lab）实验室（与清华大学合作的实验室）招募优秀硕士研究生（研究生不限计算机技术或者大数据专业都可以联系）和高年级本科生，更多课题介绍请点击https://www.notion.so/Model-Fine-tuning-and-Inference-Group-0222eea04597466e92825dc7f8e02b87

谷歌学术主页：https://scholar.google.com.hk/citations?hl=zh-CN&user=yePGMfAAAAAJ&view_op=list_works&sortby=pubdate

欢迎感兴趣的同学加入研究组，有意请发简历到邮箱。 

实验室优势：

1、计算机主流科研方向与正统计算机科研培养模式，目标投稿计算机专业主流期刊和会议；

2、丰富津贴：助教津贴/助研津贴/论文绩效奖励/资助学术会议/团建等；

3、课题组项目资金充裕，硬件和软件环境佳；

4、支持多元发展，推荐实习/就业机会，组内氛围愉快。

四、主要成果及荣誉

[1]   F. Huang*, J. Jiang*, Q. Jiang, H. Li, F. N. Khan, and Z. Wang, “Cosmic:Clique-oriented semantic multi-space integration for robust clip test-time adaptation,”The IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR),2025, (CCF-A, 共同第一作者,).

[2]   . Ye, D. Wei, Z. Liu, Y. Pang, Y. Lin, J. Liao, Q. Jiang, D. He, and J. Jiang †,“Datta: Towards diversity adaptive test-time adaptation in dynamic wild world,”IEEEICME, 2025, (CCF-B, 通讯作者，深圳技术大学学生第一作者).

[3]   L. Chen, Y. Meng, C. Tang, X. Ma, J. Jiang, X. Wang, Z. Wang, and W. Zhu, “Q-dit: Accurate post-training quantization for diffusion transformers,”The IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), 2025, (CCF-A).

[4]   Wang, R. Lu, C. Westphal, D. He, and J. Jiang* ,“Llm4band: Enhancing reinforcement learning with large language models for accurate bandwidth estimation,”Network and Operating System Support for Digital Audio and Video (NOSSDAV’25), 2025, (CCF-B, 通讯作者, 深圳技术大学学生第一作者).

[5]   Song S, Fang Z, Jiang J*. Fast-DRD: Fast decentralized reinforcement distillation for deadline-aware edge computing[J]. Information processing & management, 2022, 59(2): 102850. (通讯作者，SCI，中科院一区)

[6]   Jiang J, Luo Z, Hu C, et al. Joint model and data adaptation for cloud inference serving[C]//2021 IEEE Real-Time Systems Symposium (RTSS). IEEE, 2021: 279-289. (第一作者，CCF-A)

[7]   Jiang J, Hu L. Decentralised federated learning with adaptive partial gradient aggregation[J]. CAAI Transactions on Intelligence Technology, 2020, 5(3): 230-236. （第一作者，SCI，JCR Q1）

[8]   面向边缘智能的深度模型推理问题研究，2023-2025，出站博士后科研资助，主持.

[9]   基于云边协同的多模态感知服务型人机交互系统关键技术研究，2023-2025，广东省教育厅2022年度广东高校科研平台和科研项目，参与.

[10]  中国商业联合会，科技进步一等奖

联系方式：

欢迎感兴趣的同学加入研究组，有意请发简历到邮箱。

E-mail:jiangjingyan@sztu.edu.cn

个人网站：www.jiangjingyan.com