Mateusz Kędzia / 马特
Beijing Nievedor Intelligent Technology Co., Ltd.
在快速成长的公司推动 AI 创新，负责 AI 产品研发、技术内容制作与合作项目交付。构建 RAG 系统与摘要引擎，完成多供应商 LLM 接入与编排（OpenAI/GPT-4、Anthropic/Claude、Google/Gemini），支持直连与通过 OpenRouter 进行模型路由。使用 n8n 设计并部署 AI 自动化流程以优化业务。独立开发可运行 Demo 与视频教程，覆盖 Sora2、NanoBanana、LibreChat、Cursor 等新技术，并在哔哩哔哩/小红书/微信等平台发布。主导与滴滴的合作：将 DiDi MCP 与高德 MCP 集成进定制 LibreChat，使更多用户可通过对话式 AI 便捷调用出行与地图能力。使用 Terraform（IaC）在 AWS 上管理与交付全部基础设施。交付多供应商 LLM 集成，实现成本可控的模型路由与自动化业务流程；技术展示内容覆盖中国主流平台；完成滴滴×高德 MCP 集成并达到可用交付标准；通过 Terraform/AWS 建立可复用、可扩展的云基础设施。
阿姆斯特丹自由大学（与 TNO、Arnhems Buiten 合作）
参与欧盟 HEDGE-IoT 项目：在荷兰阿纳姆（Arnhem）15 栋建筑部署智能电表、V2G 充电桩、户用电池、热泵与光伏，通过 BEMS/EMS 协调，实现建筑级与系统级的能源灵活性与优化。设计与部署 IoT 数据科学平台，基于 SAREF 本体实现语义数据管道，构建用于实时能源优化的 ML 工作流。搭建并部署 Docker 化 JupyterHub（50+ 用户），开发语义适配器与数据转换管道，将数据写入知识图谱（RDF/SAREF）。实现边缘-云 IoT 架构，支持实时异常检测与预测调度；集成 Knowledge Engine（KE）与可解释 AI，用于跨建筑能源灵活性操作与优化。支持 15 栋建筑的能耗监控、分布式能源资产语义对齐以及电网故障检测/预测维护，在 HEDGE-IoT 会议完成展示，支撑 50+ 研究人员开展灵活性服务与预测优化。
阿姆斯特丹大学
面向大规模研究开发高效网络爬虫，实现自动化数据提取与结构化。实现反屏蔽与相关性过滤算法，自动处理超过 100 万篇新闻文章，最终实现 99% 数据完整性，为研究提供可靠数据集。
阿姆斯特丹自由大学 & 北京工业大学
Background: 轨迹预测模型受益于跨任务知识迁移，但往往缺乏高效的蒸馏方法。
Task: 开发知识蒸馏框架，通过表示对齐实现地图匹配轨迹预测的 SOTA 性能。
Action: 设计并实现跨任务蒸馏模型与表示对齐技术，进行全面基准评估。
Result: 通过高效表示对齐匹配 SOTA 性能。论文最终成绩 8/10，硕士总平均分 8/10。
Reflection: 深化了知识蒸馏、轨迹预测和跨任务迁移学习的专业能力。
阿姆斯特丹自由大学
Background: 整合多源物联网数据需要透明、可互操作和可解释的 AI 解决方案。
Task: 设计可解释模型和数据管道来统一异构物联网数据。
Action: 开发设备行为预测模型，基于 RDF 和 SPARQL 实施数据集成，确保模型可解释性。
Result: 交付稳健的物联网数据集成和预测系统，获得 8.0 分，展示了可解释 AI 和语义数据集成的实用价值。
Reflection: 加强了语义数据集成、时间序列预测和 AI 透明性基础。
主导实践课程并指导10+学生进行机器学习和数据项目。