AI少儿编程课程学员招募中，欢迎报名

一名深耕AI领域7年的算法专家，聚焦大模型应用、多模态技术与商业化算法落地。 我毕业于北京邮电大学信息与通信工程专业，先后取得学士与硕士学位。职业生涯起步于爱奇艺，深耕内容理解与推荐算法；后加入快手，负责电商与商业化场景的大模型应用、多模态表征建模；现任职于字节跳动抖音团队，专注低代码领域的大模型智能生成与智能体研发。 我始终相信，技术的核心价值在于解决真实问题。过往工作中，我习惯从业务痛点切入，打通数据构建、模型训练、工程优化到上线落地的全链路，把前沿AI能力转化为可量化的产品收益，主导的多个项目均取得了显著的业务成果。 核心技术方向 • 大模型与智能体：领域大模型微调、多模态大模型训练、ReAct框架Agent开发、数据流水线搭建与质量治理 • 多模态技术：跨域统一语义表征、多模态特征融合、视频/图像/文本内容理解与分类 • 商业化与产业落地：智能客服系统搭建、广告内容生成、推荐系统召回与精排优化 • 低代码智能生成：基于大模型的页面自动生成、页面质量自动化评估体系 代表性成果 • 打造低代码LLM智能搭建方案，基于Qwen-VL训练多任务生成模型，替代传统拖拉拽模式，上线后多场景平均提效30% • 自研通用页面质量评估Agent，基于ReAct框架搭建15+基础交互工具，用3万条高质量轨迹微调多模态模型，实现对Gemini-2.5的技术平替，准确率达85%与原模型持平，推理耗时降低33% • 主导跨域多模态表征建模项目，将视频、直播、商品、查询映射至同一语义空间，算法性能达业界SOTA，落地商业化与电商全链路后，累计带动线上消耗提升超1300万元 • 搭建电商B端智能客服系统，通过领域知识注入、Self-RAG、RLHF/DPO对齐优化，将商家问题自助解决率提升10% • 优化广告脚本生成方案，通过领域持续预训练+标签化SFT解决大模型幻觉问题，脚本审核通过率提升9.4% • 落地基于异构图的推荐召回通路，上线后贡献18%的内容展示占比，CTR提升0.33个百分点 技术栈 • 核心语言：Python / SHELL / AWK • 深度学习框架：PyTorch / TensorFlow • 大数据工具：Hive / PySpark / Hadoop Streaming • 工程能力：TensorRT推理优化、在线推理服务部署、全链路工程落地 持续探索大模型时代的技术落地边界，欢迎技术交流与合作探讨。