主导短视频内容生产全链路的计算机视觉算法设计与迭代，覆盖智能剪辑、内容理解、质量评估三大核心模块，支撑平台日均千万级内容的生产效率提升与用户体验优化，同时推动算法工程化落地与高并发场景适配

• 主导设计基于Transformer的多模态智能剪辑算法，融合视频帧语义分割（U-Net变体，适配短视频快节奏特征）、动作识别（SlowFast 16x8模型，捕捉人物/物体动态）与音频情感分析（Wav2Vec 2.0微调，识别背景音乐情绪），解决传统剪辑依赖人工标注、节奏与内容匹配度低的问题；通过迁移学习复用预训练视觉-语言模型（CLIP）初始化参数，将新场景（如知识类、剧情类短视频）适配时间从7天缩短至1天，上线后用户人均观看时长提升12%，智能剪辑内容占比从30%增长至65%
• 针对低光照、运动模糊场景下的违规内容（如涉黄、暴力）检测准确率低痛点，优化内容理解pipeline：引入MoCo v3自监督预训练提升小样本场景的特征泛化能力，结合RandAugment增强模糊/低光数据的多样性，同时将YOLOv8模型替换为YOLOv9-C2f结构以加快推理速度；最终目标检测mAP从82%提升至89%，违规内容召回率提升15%，漏检率下降至0.8%以下
• 设计基于改进ESRGAN的视频质量评估模型，融合主观评分（MOS）与客观指标（SSIM、PSNR、LPIPS），构建多任务学习框架同时预测清晰度、色彩一致性、运动流畅度三个维度；通过引入注意力机制强化画面关键区域（如人物面部、文字）的权重，模型预测结果与人工评分的相关性从0.78提升至0.91；上线后替代80%的人工抽检工作，内容质检效率提升40%，低质内容（模糊、花屏）流出率下降22%
• 推动算法工程化落地，基于TensorRT对智能剪辑与质量评估模型进行FP16转INT8量化压缩，结合TensorFlow Serving的批处理优化，将智能剪辑接口响应时间从200ms降低至50ms，支撑高峰时段10万QPS的并发请求；同时搭建模型监控系统（Prometheus+Grafana），实时预警模型性能漂移，自动触发A/B测试与迭代，确保服务稳定性保持在99.95%以上

负责图文内容的计算机视觉算法研发，聚焦OCR精度提升、图像风格转换与内容标签体系搭建，支撑平台图文内容的结构化处理与个性化推荐，推动算法从实验室到业务场景的落地

• 针对复杂排版（多栏、表格、公式）图文内容的OCR识别错误率高问题，优化文本检测（DBNet 1.1，适配密集文字场景）与识别（CRNN+Attention，加入语言模型纠错）流程；进一步引入BERT微调的语义纠错机制，将OCR准确率从91%提升至96%，解决了用户上传论文、报表、票据类内容的识别痛点，支撑了平台“图文转结构化数据”功能的落地，使用该功能的用户占比达40%
• 主导开发“图像风格转换”UGC功能，基于CycleGAN与AdaIN风格迁移网络，支持用户将普通图片转换为油画、水彩、素描等5种艺术风格；通过模型蒸馏将原CycleGAN的推理时间从300ms缩短至80ms，同时保留95%以上的风格迁移效果；上线后该功能的使用率达25%，带动UGC内容互动率（点赞、评论）提升18%，成为平台特色功能之一
• 搭建图文内容标签体系，融合视觉特征（ResNet-50提取的物体、场景特征）与文本特征（TF-IDF+BERT的标题/正文特征），采用图神经网络（GCN）建模标签间的关联关系；标签准确率从85%提升至92%，支撑个性化推荐点击率提升10%，同时为内容审核提供了更精准的标签维度
• 推动算法服务化，基于Flask搭建RESTful API，集成模型版本管理（MLflow）与自动retraining机制；当标签准确率下降超过5%时，系统自动触发数据标注与模型迭代，减少人工维护成本30%，服务可用性保持在99.9%以上

参与电商商品图片的计算机视觉算法优化，聚焦商品识别、背景替换与视觉搜索功能研发，支撑电商平台的商品展示与用户购物体验提升，积累算法落地与工程化经验

• 辅助优化商品识别模型，针对小众商品（手工饰品、复古家电）识别准确率低问题，收集10万+小众商品图片进行数据标注，基于Faster R-CNN与商品SKU属性特征进行fine-tuning；最终小众商品识别准确率从78%提升至86%，支撑了平台搜索推荐的精准度提升8%，小众商品的曝光量增长20%
• 参与开发“一键背景替换”功能，基于GrabCut算法与MiDaS深度估计模型，实现商品与背景的精准分割；优化实时预览性能，将渲染时间从500ms缩短至150ms，同时支持纯色、场景图两种背景类型；上线后商品详情页的转化率提升5%，用户对该功能的满意度达82%
• 搭建视觉搜索原型系统，提取商品图像的SIFT特征与VGG-16 CNN特征，采用近似最近邻（ANN）算法（FAISS库）实现跨类目商品搜索；测试阶段搜索召回率达到88%，平均搜索时间小于200ms，为后续正式功能上线奠定了技术与数据基础
• 协助搭建算法测试框架，基于Python unittest编写测试用例，覆盖模型准确率、推理速度、内存占用等指标；建立了商品图像数据库（100万+张），标注了商品类别、场景、属性等信息，为团队后续算法研发提供了数据支撑

星途电商长尾商品精准推荐系统重构与性能优化

• 项目背景：公司聚焦宠物、户外等垂类赛道，70%商品为长尾（月销量<100件）却仅贡献15%GMV，且用户复购率较头部低22%——核心问题是传统协同过滤+DNN模型过度拟合头部行为模式，长尾商品隐性关联未被挖掘。目标：主导重构系统，将长尾转化率提升25%+，整体GMV波动≤5%。
• 关键难题：1. 长尾数据稀疏（单商品月均交互<5次），传统Embedding失效；2. 需分钟级实时更新模型，原离线Batch延迟4小时；3. 多目标（点击、转化、留存）冲突，加权求和易顾此失彼。
• 核心行动：1. 选型异构图神经网络（HAN）构建“用户-商品-属性”三元组图，融合商品类目/品牌/价格与用户行为，挖掘场景关联（如“宠物尿垫”与“宠物背包”）；2. 搭建Flink ML实时 pipeline，整合Redis+Kafka实现15分钟增量更新，特征延迟降至10秒内；3. 用遗传算法搜索帕累托最优权重，平衡点击(0.3)、转化(0.5)、留存(0.2)目标函数。
• 项目成果：上线后长尾曝光占比从18%升至32%，转化率3.1%→4.0%（超目标16%），整体GMV增长12%；模型延迟≤30秒；申请发明专利1项（《基于异构图神经网络的长尾商品推荐方法及系统》）；个人主导模型设计60%、工程落地30%。

知著内容社区中腰部创作者内容分发与成长激励算法升级

• 项目背景：平台中腰部创作者（粉丝1w-10w）占比60%，但半年流失率35%——调研显示分发精准度低（仅30%内容触达目标用户）、缺乏成长反馈。目标：主导优化分发与成长联动，将中腰部互动率提升30%，流失率下降20%。
• 关键难题：1. 中腰部创作者标签模糊，无量化成长阶段指标；2. 分发与激励脱节，优质内容未对应流量/权益；3. 新创作者冷启动难，难破初始流量池。
• 核心行动：1. 构建创作者360°画像，融合内容垂直度（关键词一致性）、粉丝画像、行为历史，定义“新手/中腰部/头部”阶段；2. 采用DDPG强化学习模型，设计状态（成长阶段、内容质量、粉丝活跃度）、动作（流量倾斜、权益类型）、奖励（互动增长×0.4+留存×0.3+质量×0.3）；3. 联动产品上线“成长任务”（如垂直内容发布得流量券），根据任务完成调整分发。
• 项目成果：中腰部曝光量升60%，互动率8.2%→11.1%（超目标37%），流失率降22%；新创作者7日留存45%→53%；社区垂直度升25%，广告主满意度升18%；个人主导模型设计50%、跨团队协作30%。

• 因痛心于年轻人对历史的疏离，我在B站创立「古人脱口秀」栏目，用职场梗解构历史事件（如《雍正皇帝的KPI保卫战》）。通过设计「颠覆认知-史料佐证-现代共鸣」三幕剧本模板，单期视频最高收获1.7万条弹幕互动。
• 两年间栏目播放量突破180万，作品被多地中学选为教学素材。这段经历磨砺出将学术内容转化为大众语言的能力，也让我理解到真实用户反馈才是创作者的指南针。