个人简历
我是钱唐，自 2026 年 4 月起在蚂蚁集团担任算法工程师，研究方向为预训练结构化数据模型与预训练时序模型。近期研究包括 FEAT、OneDB（SIGKDD 2026）和 QBase（TKDE 2026）。可在下方查看工作与研究经历，或下载 PDF 简历。
基本信息
| 姓名 | 钱唐 |
| 标签 | 蚂蚁集团算法工程师 |
| 邮箱 | qt.tang.qian@zju.edu.cn |
| 电话 | +86-19982050103 |
| 网址 | https://qt.qiantech.online/ |
| 概述 | 自 2026 年 4 月起在蚂蚁集团担任算法工程师，研究方向为预训练结构化数据模型与预训练时序模型。 |
工作经历
-
2026.04 - 至今
志愿者经历
教育经历
出版物
-
2026.08.08 OneDB: A Distributed Multi-Metric Data Similarity Search System
ACM SIGKDD Conference on Knowledge Discovery and Data Mining (SIGKDD)
分布式多度量数据相似性搜索系统，发表于 SIGKDD 2026，页码 4024–4033。
-
2026.03.17 FEAT: A Linear-Complexity Foundation Model for Extremely Large Structured Data
arXiv（预印本）
面向超大规模结构化数据的线性复杂度基础模型，支持零样本分类、回归及缺失值填补。
-
2026 QBase: A Query Aware Vector Search System
IEEE Transactions on Knowledge and Data Engineering (TKDE)
查询感知向量搜索系统，通过利用查询向量之间的相似性优化搜索效率。
-
2025 DIMS: Distributed Index for Similarity Search in Metric Spaces
IEEE Transactions on Knowledge and Data Engineering (TKDE)
关于分布式索引技术在度量空间中高效相似搜索的研究论文，已被IEEE知识与数据工程期刊接受并将于2025年发表。
-
2022 Spatio-Temporal Latent Graph Structure Learning for Traffic Forecasting
International Joint Conference on Neural Networks (IJCNN 2022)
探索用于交通预测的新型图结构学习技术的会议论文，结合了空间和时间维度。
项目
-
FEAT: A Linear-Complexity Foundation Model for Extremely Large Structured Data
面向超大规模结构化数据的线性复杂度基础模型，支持零样本分类、回归及缺失值填补。
- 结构化数据基础模型
- 双向状态空间模型与门控线性注意力
- 样本维度线性复杂度
- 零样本学习
- 2025 - 至今
高维数据检索系统
研究项目探索近似算法以提高分布式最近邻搜索中的查询吞吐量，开发技术处理基于图的分布式索引中的数据倾斜和负载均衡，并对最先进的向量搜索系统进行基准评估。
- 近似算法
- 分布式最近邻搜索
- 数据倾斜处理
- 负载均衡
- 基准评估
- 2023 - 2024
度量空间分布式索引
设计并实现使用Spark处理大规模度量数据集的可扩展分布式架构，优化数据分区算法，在保持搜索准确性的同时将网络通信开销减少40%，并进行了广泛的实验评估。
- 分布式架构
- Spark
- 数据分区优化
- 网络通信减少
- 实验评估
- 2024 - 2025
OneDB：多模态数据相似性搜索框架
开发了一个用于多模态数据相似性搜索的分布式框架，支持跨异构数据类型的高效查询，设计了双层索引策略，实现了轻量级权重学习模型，并在最先进的解决方案上取得了显著的性能改进。
- 多模态数据
- 分布式框架
- 异构数据类型
- 双层索引
- 权重学习模型
- 2024 - 2025
QBase: 查询感知向量数据库系统
开发QBase，一个创新的查询感知向量数据库系统，旨在通过动态查询优化来优化向量搜索，实现基于成本的查询规划算法，以自适应地选择最佳索引结构。
- 向量数据库系统
- 动态查询优化
- 基于成本的查询规划
- 自适应索引选择
- 2021 - 2022
基于图的交通分析平台
构建数据预处理管道，用于清理和规范化多个城市来源的交通传感器数据，实现时空图神经网络模型，并设计交互式可视化仪表板来展示交通模式和预测结果。
- 数据预处理
- 交通传感器数据
- 时空图神经网络
- Python
- PyTorch
- 交互式可视化
奖项
- 2023
- 2024
- 2023
- 2023
- 2023
- 2023
- 2023
- 2022
- 2022
- 2022
- 2021
- 2021
- 2021
- 2020
- 2020
技能
| 编程语言 | |
| C++ | |
| Scala | |
| Python |
| 框架与工具 | |
| Spark | |
| Hadoop | |
| 分布式计算 |
语言能力
| 中文 | |
| 母语 |
| 英语 | |
| 专业工作水平 |
兴趣爱好
| 数据库系统 | |
| 向量搜索 | |
| 高维数据 | |
| 相似性搜索 | |
| 分布式数据库 |