钟云山 (Yunshan Zhong)

我目前是海南大学计算机科学与技术学院副研究员。博士毕业于厦门大学 MAC 实验室，师从纪荣嵘教授。硕士毕业于北京大学，本科毕业于北京理工大学。

我正在积极招募对 AI 研究有热情的海南大学本科生加入课题组，也欢迎有意向的同学报考我的硕士生。

我会为每一位加入课题组的同学提供系统而严格的科研训练，从文献阅读、实验设计到论文写作，全程手把手指导，帮助你打下扎实的学术基础。同时，课题组配备了充足的计算资源，并可承担 AI API 调用费用（如 OpenAI、Google Gemini、Claude 等），确保你在研究中无后顾之忧。

对于表现优秀的同学，我将积极推荐至国内头部大厂（如字节、腾讯、阿里、华为等）的核心算法团队实习或就业，以及推荐至 985 高校继续攻读硕士或博士学位，并协助联系对口导师、撰写推荐信。过去多位经我推荐的学生，已在顶尖企业和高校取得优异发展。

如果你有志于在 AI 领域深耕，欢迎加入我们，一起做出有影响力的工作！

我已发表约 20 篇 CCF-A/B 类顶级会议和期刊论文，其中一作或通讯作者 10 余篇。我的研究方向是让前沿 AI 模型高效化与可部署化，涵盖高效大语言模型、高效视觉生成模型和高效视觉基础模型，同时关注生物信息计算方向。

🔬 研究方向

我的研究主要关注高效大语言模型、高效视觉生成模型和高效视觉基础模型。具体研究方向包括：

此外，我也关注生物信息计算方向，主要包括：

完整列表见 Publications 页面和 Google Scholar。† 表示通讯作者。

D4C: Data-Free Quantization for Contrastive Language-Image Pre-training Models, CVPR 2026 (Findings), CCF-A. 作者: Wenlun Zhang, Yunshan Zhong†, Zihao Ding, Xinyu Li, Kentaro Yoshioka.
Test-Time Iterative Error Correction for Efficient Diffusion Models, ICLR 2026, CCF-A. 作者: Yunshan Zhong, Weiqi Yan, Yuxin Zhang.

I&S-ViT: An Inclusive & Stable Method for Pushing the Limit of Post-Training ViTs Quantization, IEEE TPAMI, CCF-A. 作者: Yunshan Zhong, Jiawei Hu, Mingbao Lin, Mengzhao Chen, Rongrong Ji†.
Towards Accurate Post-Training Quantization of Vision Transformers via Error Reduction, IEEE TPAMI, CCF-A. 作者: Yunshan Zhong, You Huang, Jiawei Hu, Yuxin Zhang, Rongrong Ji†.
Distribution-Flexible Subset Quantization for Post-Quantizing Super-Resolution Networks, SCIENCE CHINA Information Sciences (SCIS), CCF-A. 作者: Yunshan Zhong, Mingbao Lin, Jingjing Xie, Yuxin Zhang, Fei Chao, Rongrong Ji†.
AHCPTQ: Accurate and Hardware-Compatible Post-Training Quantization for SAM, ICCV 2025, CCF-A. 作者: Wenlun Zhang, Yunshan Zhong†, Shimpei Ando, Kentaro Yoshioka.
Semantic Alignment and Reinforcement for Data-Free Quantization of Vision Transformers, ICCV 2025, CCF-A. 作者: Yunshan Zhong, Yuyao Zhou, Yuxin Zhang, Wanchen Sui, Shen Li, Yong Li, Fei Chao, Rongrong Ji†.
MultiQuant: A Novel Multi-Branch Topology Method for Arbitrary Bit-width Network Quantization, Pattern Recognition (PR), CCF-B. 作者: Yunshan Zhong, Yuyao Zhou, Fei Chao, Rongrong Ji†.

ERQ: Error Reduction for Post-Training Quantization of Vision Transformers, ICML 2024 (Spotlight, 3.5%), CCF-A. 作者: Yunshan Zhong, Jiawei Hu, You Huang, Yuxin Zhang, Rongrong Ji†.
Learning Image Demoireing from Unpaired Real Data, AAAI 2024, CCF-A. 作者: Yunshan Zhong, Yuyao Zhou, Yuxin Zhang, Fei Chao, Rongrong Ji†.

Dynamic Dual Trainable Bounds for Ultra-low Precision Super-Resolution Networks, ECCV 2022, CCF-B. 作者: Yunshan Zhong, Mingbao Lin, Xunchao Li, Ke Li, Yunhang Shen, Fei Chao, Yongjian Wu, Rongrong Ji†.
Fine-grained Data Distribution Alignment for Post-Training Quantization, ECCV 2022, CCF-B. 作者: Yunshan Zhong, Mingbao Lin, Mengzhao Chen, Ke Li, Yunhang Shen, Fei Chao, Yongjian Wu, Rongrong Ji†.

审稿人: ICML、ICLR、NeurIPS、CVPR、ICCV、ECCV、IEEE TNNLS、IEEE TCSVT