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

泛娱乐内容生态下用户兴趣动态建模与推荐系统升级项目

• 星途作为聚焦年轻用户的泛娱乐内容社区，面临用户日均使用时长连续3个季度下滑（从55分钟降至42分钟）、新用户7日留存不足22%的核心问题——原有推荐系统依赖静态兴趣标签与协同过滤，无法捕捉用户短期兴趣漂移，且新用户冷启动依赖人工标注的粗粒度标签。我的核心职责是主导推荐系统「用户兴趣动态建模模块」的重构，兼顾实时性与长期兴趣，目标是将用户内容消费转化率与新用户留存提升20%以上。
• 项目遇到三大技术难点：1）用户行为序列的长短期依赖平衡——传统Transformer对近期行为权重分配不足；2）新用户无行为场景下的兴趣初始化——通用冷启动策略依赖内容热度，导致推荐的“个性化”缺失；3）实时特征处理的低延迟需求——原有Spark Streaming pipeline特征更新延迟达5分钟，无法支撑模型的实时推理。
• 针对兴趣漂移问题，我将DIN（深度兴趣网络）改进为「时序多兴趣Transformer」：引入时间衰减注意力机制（以用户行为的时间间隔为权重），并添加多兴趣提取头（通过胶囊网络分离用户同时存在的短期兴趣，如“美妆教程”与“宠物日常”）；针对新用户冷启动，设计「元学习+内容Embedding迁移」方案——用注册问卷的兴趣标签与初始30分钟浏览行为，通过MAML（模型无关元学习）预训练兴趣初始化器，结合内容侧的“类别-标签-创作者”多模态Embedding，快速生成新用户的初始兴趣向量；在实时特征层面，用Flink重构特征 pipeline，将用户行为的点击、停留、互动特征更新延迟压缩至10秒内，支持模型每15分钟增量推理。
• 项目上线6个月后，核心指标显著提升：用户日均使用时长从42分钟回升至58分钟（+38.1%），新用户7日留存率从22%升至31%（+40.9%），内容点击转化率从6.2%提升至8.9%（+43.5%）。我主导的「时序多兴趣Transformer」模型成为公司推荐系统的核心基线模型，元学习冷启动方案推广至短视频与直播业务线，直接支撑了Q4用户规模的环比增长18%。

内容社区用户分层与个性化推荐策略迭代项目

• 公司处于高速增长期（年用户量从1200万增至3500万），但通用推荐策略无法匹配不同用户的需求差异——新用户因内容过载流失，活跃用户因“信息茧房”降低互动，沉睡用户召回效率不足。我的职责是从0到1搭建用户分层体系，设计分层对应的推荐策略，目标是提升各层级用户的content engagement（内容消费量）与生命周期价值（LTV）。
• 原有用户分层基于RFM模型（最近登录、频率、消费金额），仅能区分“高价值”与“低价值”用户，无法捕捉兴趣偏好与行为模式的差异；且分层后的策略调整依赖人工经验，A/B测试迭代周期长达2周，效果不稳定。
• 首先，用「DBSCAN+用户行为Embedding」构建3层6类分层体系：第一层按“用户生命周期”分为新用户（注册≤7天）、活跃用户（注册>7天且周互动≥3次）、沉睡用户（注册>30天且周互动=0）；第二层按“兴趣偏好”细分（如新用户中的“兴趣探索型”“热门追随型”，活跃用户中的“深度消费型”“长尾挖掘型”）；第三层按“消费习惯”补充（如活跃用户中的“短内容偏好”“长内容偏好”）。然后，针对每类用户设计差异化策略：新用户采用“兴趣引导+热门内容”混合推荐（前3条推荐注册时选择的兴趣标签内容，后7条为社区热门），活跃用户采用“深度兴趣挖掘+长尾内容”策略（通过协同过滤扩展用户未接触的细分兴趣），沉睡用户采用“召回唤醒+激励机制”（推送历史高互动作者的新内容+登录领积分）。最后，建立“贝叶斯优化+A/B测试”框架，将策略参数调优周期从2周缩短至3天。
• 分层体系上线1年后，各层级用户效果显著：新用户日均内容消费量从1.2条提升至2.1条（+75%），活跃用户从3.5条提升至5.2条（+48.6%），沉睡用户唤醒率从8%升至15%（+87.5%）。该体系成为公司用户运营与推荐策略的基础框架，我也从“策略执行者”成长为“体系设计者”，学会了从全局视角平衡用户体验与业务目标。

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。