•作为主干成员参与实验室与自动驾驶公司合作课题，负责设计基于 Transformer 的多模态融合感知模块，将点云检测精度提升 3.2%，方案已集成至公司路测系统，项目获学院年度创新实践奖。
•主导核心排序模型的迭代，针对电商搜索场景引入多目标学习与动态权重，使长尾商品曝光率提升17%，整体GMV增长3.2%。
•搭建实时特征平台，统一离在线特征口径，将特征更新延迟从分钟级降至秒级，支撑了多个推荐与广告策略的快速实验。
•参与反作弊风控项目，设计基于图神经网络的风险账户识别模型，将高风险订单拦截率提高至99.3%，同时降低误伤率。
•负责模型服务化与灰度发布，制定了完整的A/B实验评估流程，保障了30余个算法策略平稳上线。
•带领4人小组负责内容推荐线的算法规划，重构召回-粗排-精排链路，引入多兴趣召回与自注意力机制，用户人均观看时长提升12%。
•推动公司级模型压缩项目，通过知识蒸馏与量化训练，将大模型推理延迟降低60%，支撑了移动端侧推理需求。
•主导技术中台建设，沉淀了通用Embedding服务、自动化特征选择工具，缩短新业务接入周期40%以上。
•与产品、运营协同完成十余次内容生态迭代，通过因果推断方法量化策略增益，驱动关键决策。
•该项目为电商平台构建了支持千万级用户和亿级商品的实时个性化推荐引擎，目标是在高并发下实现50ms内的响应。
•负责整体算法架构设计，包括双塔召回、DeepFM精排与在线学习策略，将用户点击率提升18.5%。
•针对冷启动物品，设计了基于内容特征与协同信号的混合召回方案，使新品曝光效率提升35%。
•主导全链路压测与容灾演练，确保系统在峰值流量下99.9%的可用性，平稳支撑了双十一大促。
•该项目为短视频平台搭建了统一的多模态内容理解系统，用于自动打标、质量审核和内容安全识别。
•负责视频理解模块，利用ViT模型提取视觉特征，结合OCR与ASR文本进行跨模态对齐，构建了2000+细粒度标签体系。
•设计了一套主动学习与半监督训练流程，显著降低人工标注成本，将标签准确率提升至92.3%。
•参与模型服务化部署，优化TensorRT推理，将单帧处理耗时从32ms降至9ms，满足了实时流处理需求。
学术成果:
在 ICML、CVPR 等国际会议上发表 4 篇一作/共一论文，其中关于扩散模型加速采样的工作被选为 Oral，模型已开源，在 HuggingFace 下载量超过 30k，引用超 150 次。
开源贡献:
作为核心 Committer 参与 PyTorch 生态项目 TorchRec 的维护，提交 PR 60+，主导实现了多卡序列推荐训练器，已合并至主线，项目 GitHub Stars 超 2 万，被多家头部互联网公司采用。
