负责电商平台商品视觉理解与内容审核算法全生命周期研发，覆盖需求拆解、模型设计、优化落地及效果迭代全流程，支撑商品图合规性校验与用户体验提升

• 主导设计基于Transformer的多模态商品图违规检测模型，融合ResNet-50骨干网络提取视觉特征与BERT编码商品标题/描述文本语义，针对低光照、模糊商品图的漏检痛点，引入CBAM注意力机制强化商品主体区域特征权重，将违规识别准确率从89%提升至96%，日均处理120万张商品图，支撑618大促期间平台内容合规率100%，未因视觉违规引发客诉
• 核心参与构建服饰类商品风格细粒度分类体系，基于CLIP模型实现文本-图像跨模态对齐，针对“新中式”“极简风”等风格歧义问题，设计多尺度特征融合模块（融合ConvNeXt的浅层细节与ViT的深层语义），将风格分类F1-score从0.82提升至0.91，助力运营团队精准推送风格化商品，对应类目转化率提升15%
• 优化模型推理效率以应对高并发审核场景，采用TensorRT对YOLOv8目标检测模型进行FP16量化与层融合，将模型体积缩小40%、推理延迟从120ms降至75ms，在保证检测精度（mAP@0.5保持92%）的前提下，支撑大促峰值2万QPS的实时审核需求，服务器GPU成本降低25%
• 搭建视觉算法效果监控体系，基于Prometheus+Grafana实现模型准确率、推理延迟、GPU利用率等12项指标实时监控，结合A/B测试框架验证算法迭代效果，将模型从需求到上线周期从2周缩短至1周，快速响应平台“禁止过度暴露”等规则变更，迭代效率提升50%

负责短视频内容理解算法研发，聚焦视频封面生成、内容标签提取与违规识别，支撑平台个性化推荐与内容治理

• 重点优化短视频封面生成算法，基于StarGAN-v2架构设计条件生成模型，结合用户行为数据（点赞、停留时长、完播率）调整生成对抗网络的判别器权重，解决传统封面与用户兴趣匹配度低的问题，将封面点击率从3.2%提升至5.8%，单条视频平均播放量增长22%，助力平台短视频日均播放量突破5亿
• 核心开发视频内容标签系统，采用I3D网络提取时空特征，结合BiLSTM捕捉时序语义，实现视频场景（如“美食制作”“户外旅行”）与实体（如“火锅”“帐篷”）的多标签提取，标签召回率从75%提升至88%，支撑推荐算法精准触达目标用户，推荐点击率提升18%
• 解决违规视频识别的时序依赖问题，设计基于Transformer的视频帧序列建模模块，融合TV-L1光流特征与RGB外观特征，针对暴力、低俗内容的隐蔽性特征（如缓慢动作、暗示性镜头），将违规识别召回率从85%提升至93%，减少人工复审量30%，内容治理成本降低20%
• 推动算法落地边缘设备，采用MobileNetV3-small作为 backbone 并结合知识蒸馏技术，将视频分析模型部署至智能终端，实现本地实时处理，延迟从500ms降至150ms，节省云端计算资源40%，支撑下沉市场用户低网络环境下的流畅体验

协助团队开展图像检索与目标检测算法研发，聚焦特征提取与模型优化，支撑图像管理系统功能迭代

• 参与图像检索系统特征提取模块开发，基于SIFT特征与词袋模型（BoW）实现图像相似性计算，针对100万+大规模图像库检索慢的问题，引入倒排索引与PCA降维，将检索时间从2秒缩短至500ms，系统响应效率提升75%，支撑企业客户快速查找相似素材
• 辅助优化目标检测模型，基于Faster R-CNN框架调整锚框尺寸与比例，针对小目标（如图像中的文字、小物件）漏检问题，设计上下文感知模块（融合周围区域特征），将小目标检测准确率从65%提升至78%，支撑图像管理系统中的物体标注功能
• 搭建图像数据半自动化标注工具，基于Python与PyQt5开发界面，集成OpenCV图像预处理功能（裁剪、缩放、亮度调整），将人工标注效率提升40%，累计标注20万张商品图像，为模型训练提供高质量数据集，模型初始化准确率提升10%
• 参与模型效果评估，采用混淆矩阵与ROC曲线分析误检问题（如“猫”误判为“狗”），优化损失函数从交叉熵改为Focal Loss（聚焦难样本），将误检率从12%降至5%，系统可靠性显著提升，客户满意度从82%升至91%

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%。

• 大二观察到毕业生离校时大量教材被废弃，而新生购书支出占生活费12%，便发起校园书籍教材循环计划。为解决传统二手书交易效率低的问题，我们开发微信小程序实现扫码估价、预约取件功能，并说服快递中心以成本价承接物流。
• 通过建立翻新消毒标准打消卫生顾虑，项目年流通教材1.2万册，累计为同学节省书费38万元。这段经历让我从商业小白成长为能设计闭环模式的实践者，项目不仅获省级创业金奖，更被纳入学校官方服务体系延续至今。