2024-09-11 -2024-12-20完美世界AI 模型训练师

- AI 模型测试：辅助上级梳理【完美世界：元宇宙/WMS/航海王/异环/幻塔】等游戏核心玩法、策划机制，参与【多模态大模型】训练及能力提升，对齐游戏需求场景，通过“素材喂养+训练思路矫正+数据标注”实现模型算力精准度≈97% - 训练素材检索：对接美术/设计/动画等部门，精细化“人物/场景+着色器+贴图+道具”得素材标签，根据不同游戏配置，完成标签、筛选、评估，成功接入＞160W+素材，处理误差数据，持续优化标签属性、素材归类，提高学习效率 - 机器学习喂养：使用 GLM 模型进行穿刺测试，通过完善不同 API 调整参数，综合对比喂养数据，同时以代表性素材为例进行手工标注，稳定核心学习能力，0-1 完成素材检索→接入→代表性素材牵引→数据测试 - 模型算力校对：跟进【多模态大模型】应用测试进度，分析效率、精准度、误判率，联合开发、策划部门测试模型可应用测试，记录真实游戏场景内+用户使用场景下体验与效果 - 移动端应用测试：使用“Doctot_Dog”工具测试智能终端设备实际应用动态参数，监测“画面掉帧/电量/CPU 使用率/内存占比”等关键指标，设计不同内容尺度、体积、展现形式，产出

2024-05-04 -2024-07-01中国科学院科研助理

- 模型搭建：参与【非人类生物识别】算法模型搭建工作，精细化算法应用场景、框架、学习计划，使用“Inceptionv4/VGG”网络结构搭建算法底层逻辑，实现以“图像捕捉/运动轨迹/生物识别”等一体化模型，跑通自驱化运作 - 数据抓手/清洗：配合上级抓手“ImageNet”＞10.4G 数据包，拆解数据类别，细化气象、动物、动物运动规则、交通、建筑物等标签，采用 Python 通过“Pycharm+Opencv”进行数据清洗、降重、预处理，对齐算法模型进行喂养，强化学习能力 - 机器学习 SOP：独立完成类别化数据库学习计划设计，利用“卷积神经网络处理图像”，精准提取准确特征，确保图像在不同场景下捕捉成功率，推动数据接入→学习进度跟踪→数据测试，监控学习过程，处理误差数据，打磨精确度与效率，实现精准度＞85% - 图像库运营：整合超过 10W+图片素材，针对不同动物类别、运动特征、动态形体，结合交通信号灯、街道/建筑，对比不同标签图片交叉点，使用 Python 进行预处理，并采用交叉形式，达成“气候+路况+信号指示+动物”复杂场景灵活识别，成功提取标签＞89% - 算法测试与验证：0-

2021-09-01 - 北京理工大学计算机软件开发本科