四川大学 软件工程 本科在读（2023 级）。研究方向为大模型与智能体、推理加速、图表示学习。
College of Software Engineering, Sichuan University · LLM & Agents / Efficient Inference / Graph Representation Learning
代表性课程人工智能基础算法 97 · 程序设计基础 95 · 离散数学 94 · 数据结构与算法 90 · 操作系统 90
scGTN: Deep Siamese Graph Transformer Network for Single-cell RNA Sequencing Clustering第一作者
Jinke Wu, Yifan Wang, Siyu Yi, Caiyang Yu, Ziyue Qiao, Nan Yin, Jiancheng Lv, Wei Ju
IJCAI 2026 main track 已录用
面向单细胞测序数据的高噪声与高稀疏性：构建双重增强图视图抑制结构噪声，用孪生图 Transformer 显式融入最短路径与节点间距离以捕获细胞长程依赖，并以最优传输策略对齐细胞聚类分布，在多个 scRNA-seq 基准上达到 SOTA。
BRACE: Taming Sharp Irregularities via Barycentric Rational Forecasting for Fast Diffusion Transformers Inference共同一作
Jinlong Yang*, Jinke Wu*, Zilin Li, Yao Zhou
ACM MM 2026 main track 已录用
面向扩散 Transformer 推理开销大、长跳步预测不稳定的问题，提出免训练加速框架：把预测范式从导数驱动的多项式外推转为特征驱动的有理外推，用局部滑动窗口缓存稀疏历史特征，以自适应 Chebyshev 权重构造重心有理函数保证数值稳定，在 DiT-XL/2、FLUX.1-dev 与 HunyuanVideo 上取得更优的质量–效率权衡。
GRAD-RIR: Topology-Aware Graph-Conditioned Diffusion Model for Sparse RIR Prediction第一作者
Jinke Wu, Jinlong Yang, Mengtao Wu, Zhenning Ba, Xianggen Liu, Wei Ju
AAAI Under review（ACM MM 转投）
面向稀疏观测下的真实房间脉冲响应估计：以声源、已测锚点与查询位置构建异构空间图，每个节点由局部视觉–几何特征锚定，显式建模复杂房间拓扑与遮挡关系；双阶段解码器分别确定性预测早期反射、条件扩散生成晚期混响拖尾，在多个稀疏度基准上对未见环境保持强泛化。
VISPATH: Visual-Intent-Guided Path Reasoning for Multimodal Knowledge Graph Question Answering共同一作
Jinke Wu*, Zhengpin Li*, Mengzhe Jia, Yang Li, Wentao Zhang
ICDE 2027 Under review
针对多模态知识图谱问答中多跳推理易退化为纯文本图搜索、中间跳视觉线索被浪费的问题，提出免训练框架：每一跳依据图像、问题与当前部分路径重新计算「跳级视觉意图」以引导路径扩展，随后在整条证据链粒度上做剪枝与语义重排序，最后由多模态自适应推理判定可答性并提前停止；同时构建了一个面向多跳推理的高难度多模态问答基准。
FADE: Fractional Anomalous Dynamics Extrapolation for Training-Free Diffusion Transformers Acceleration共同一作
Jinlong Yang*, Jinke Wu*, Zilin Li, Yao Zhou
NeurIPS 2026 Under review
发现扩散 Transformer 的特征演化呈现反常扩散特性与时空异质性，用 Mittag-Leffler 分数阶算子替代整数阶预测算子以适配高曲率的非线性隐轨迹，并通过离线剖析构建多维查找表，使在线推理时的参数检索零开销且时空自适应。
* 表示共同第一作者。
PKU-DCAI 团队的大模型数据准备与治理开源项目（GitHub 6k stars）。作为核心贡献者参与设计并开发知识图谱子模块 DataFlow-KG：原本 DataFlow 缺乏系统化的知识图谱构建、管理与应用能力，难以支撑多源异构数据处理。该模块覆盖通用图谱、时序图谱、超关系图谱、多模态图谱及地理/法律/学者等领域图谱，构建 150+ 个可复用算子与 10 条标准化流水线，实现 PDF 解析、LLM 驱动的实体关系抽取、图谱清洗与增强、质量评估，以及 Graph RAG / Graph Reasoning 等下游应用的端到端自动化。核心流水线端到端成功率 ≥ 95%，实体抽取 F1 ≥ 0.75。
