负责企业服务领域智能文档处理（IDP）与知识管理系统的全链路NLP解决方案研发，聚焦长文本结构化提取、语义检索及安全合规，推动大模型在企业级场景的价值落地

• 主导企业智能文档处理系统架构设计，针对合同/报告等长文本结构化需求，采用Longformer+LayoutLMv3多模态架构融合规则引擎，解决法律条款等强结构化内容提取偏差问题；实现实体（合同金额、履约日期）、关系（甲方义务、乙方权利）提取准确率从85%提升至92%，单篇文档处理时长从15分钟缩短至3分钟，支撑金融客户千万级合同审核需求
• 核心参与企业知识管理系统语义检索优化，基于Sentence-BERT构建1000万份文档向量库，引入查询意图识别（区分事实/关联/决策查询）与LambdaRank重排模型，解决传统检索“语义不匹配”痛点；检索召回率从78%提升至89%，Top5结果相关性评分从4.0/5升至4.5/5，员工文档查找时间缩短40%
• 负责大模型企业场景安全合规优化，针对敏感信息泄露风险，设计MLM脱敏算法结合正则与敏感实体知识图谱，实现身份证号、商业机密等12类敏感信息的自动检测替换；脱敏准确率达99.5%，助力系统通过ISO 27001认证
• 推动算法产品化，将IDP与语义检索封装为API对接客户业务系统，累计服务20家付费客户，带来年新增收入500万；建立“需求-研发-迭代”闭环，收集客户反馈优化算法，产品复购率达75%

负责教育垂域大模型应用落地，聚焦智能作文批改与个性化学习路径推荐，推动通用大模型向垂域适配及性能优化

• 主导教育作文智能批改系统设计，针对通用大模型领域偏差问题，采用LoRA微调（仅训练15%参数）结合50万篇中小学作文及专家评分语料，设计文体特征+语义深度双维度损失函数；评分一致性（与人工）从0.72提升至0.91，批改效率提升4倍，支撑10万学生日常作业批改
• 核心参与个性化学习路径推荐优化，基于BERT提取学生作文语义特征（词汇丰富度、语法复杂度），结合语文知识图谱构建能力画像，使用PPO强化学习动态调整策略；学生学习进步率从35%升至52%，留存率提高20%
• 负责大模型推理性能优化，针对教育低延迟需求，采用FP16转INT8量化+知识蒸馏（13B模型压缩至7B），推理速度提升3倍且准确率下降≤2%，降低30%云服务成本
• 推动跨团队协作，输出《教育垂域NLP需求规范》《大模型推理优化指南》，覆盖12个核心场景，需求落地周期缩短25%

负责智能客服系统NLP模块全生命周期开发，从需求分析到模型落地，支撑日均千万级对话交互及用户体验提升

• 主导意图识别模型迭代，针对多轮对话意图漂移问题，采用BERT+BiLSTM+CRF融合架构引入对话历史隐状态编码；意图准确率从89%升至94%，减少30%人工坐席转接率
• 核心参与对话生成优化，基于GPT-2微调结合10万条标注客服对话，设计融入用户画像（性别、历史购买）与上下文的prompt模板；回复相关性评分从4.1/5升至4.6/5，用户满意度提高15%
• 搭建文本分类pipeline，用Spark MLlib预处理日均500万条用户反馈，结合XGBoost+LightGBM做7类多标签分类（投诉/咨询/建议）；处理latency从120ms降至40ms，支撑实时风控分钟级响应
• 推动模型监控体系落地，基于Prometheus+Grafana搭建NLP性能看板，跟踪12项指标（意图准确率、回复困惑度）；设置阈值告警提前发现模型漂移11次，避免客服体验下降

长视频用户留存与个性化推荐算法闭环优化项目

• 项目背景：公司核心长视频App连续两季度30日留存率下滑至28%，用户日均观看时长同比下降15%，核心问题在于传统协同过滤推荐模型对冷启动用户覆盖不足、多源数据（用户行为/内容元数据/社交关系）融合效率低，且缺乏模型效果的快速验证与迭代机制。我的总体职责是主导“用户分层-特征迭代-模型优化-效果回流”的全链路算法闭环体系建设，目标是提升留存与观看时长。
• 关键难题与技术：一是冷启动用户兴趣捕捉难——传统模型依赖历史行为，新用户特征稀疏；二是多模态数据融合效率低——用户行为序列、内容文本/图像、社交关系数据分散在不同系统，难以形成统一用户画像；三是效果评估滞后——离线指标与在线业务结果脱节，模型迭代风险高。技术上，我选择用GraphSAGE构建用户-内容-社交的异构图谱，将用户基础属性、首次互动行为与社交链嵌入同一向量空间；用Apache Iceberg搭建湖仓一体数据平台，解决数据孤岛问题；引入因果推断的倾向得分匹配（PSM）方法，分离推荐模型的真实增量效果。
• 核心行动与创新：针对冷启动，设计“基础属性+社交链+首次行为”的混合嵌入层，让新用户无需历史行为即可生成初始兴趣向量；为整合多源数据，主导开发了实时特征工程 pipeline，用Spark Structured Streaming处理用户行为流，将内容元数据与社交关系同步映射到用户画像；建立“离线AUC/LogLoss+在线AB测试+长期留存归因”的三层评估体系，通过PSM计算推荐带来的增量观看时长，将模型迭代的风险成本降低40%。
• 成果与价值：项目上线后，App30日留存率提升至32%（+14.2%），用户日均观看时长增加21分钟（+18.5%）；推荐系统迭代周期从7天缩短至3天，冷启动用户点击转化率提升27%；闭环体系被纳入公司算法标准流程，我个人主导的GraphSAGE图谱方案成为后续用户分层的基础框架。

短视频内容标签体系与精准分发算法升级项目

• 项目背景：公司短视频业务用户量突破5000万，但内容标签依赖人工标注，覆盖率仅60%，标签一致性问题突出（不同标注员对同一内容的分类差异达35%），导致分发精准度低——中小创作者内容曝光量仅占整体的18%，整体完播率低于行业均值5个百分点。我的职责是构建自动化多维度内容标签体系，优化分发算法以平衡用户体验与创作者生态。
• 关键难题与技术：一是人工标注成本高、一致性差——每月需投入20人/月标注，且标签准确率波动大；二是短视频内容模态复杂——仅靠文本标题无法覆盖视觉（封面/画面）、音频（台词/背景音乐）的特征；三是分发公平性不足——头部内容占据70%流量，中小创作者缺乏成长空间。技术上，我采用多模态深度学习模型：用BERT提取内容标题与描述的语义特征，ResNet识别封面图与关键帧的视觉特征，YAMNet分析音频的情绪与话题标签，融合三模态特征生成内容标签；用主动学习策略减少人工标注量，将模型预测不确定的样本推给人工校准。
• 核心行动与创新：设计“多模态融合+主动学习”标签流程——模型先自动生成标签，将置信度低于0.8的样本推给人工标注，将人工标注量从每月20人/月降至5人/月，标签覆盖率提升至95%；分发算法中引入公平性约束，用拉格朗日乘数法平衡“用户观看时长”与“中小创作者曝光占比”两个目标，确保中小创作者内容获得至少25%的流量倾斜。
• 成果与价值：内容标签准确率从72%提升至89%，中小创作者曝光量增加40%，短视频整体完播率提升13%至行业均值以上；创作者满意度调研得分从3.8分（满分5）升至4.3分，新创作者留存率提升19%；标签体系支持了后续的“内容垂类推荐”“创作者成长计划”等业务，成为公司短视频生态的基础能力。

支教时发现乡村小学因缺乏实验器材，科学课多停留在课本讲解。返校后联合实验室开发出百元级科学实验背包，内含20个基础实验器材。为确保可持续运营，设计配套视频课程与城乡结对系统，并培训132名大学生担任远程助教。项目覆盖9省47所学校后，学生科学兴趣评分提升35%。这段经历教会我用产品思维解决社会问题，当看到孩子们用自制望远镜发现土星光环时，我理解了教育的真谛是点燃可能性。