2024-03-01 -2025-09-01希望学（学而思网校）高级算法工程师（技术虚线）已认证

希望学智能体 agent方面：构建整体agent路由控制器，保证可以根据对话自适应切换role 智能体类型 学习类别：主要基于希望学内部的学生交互数据构建一个类似自动伴学的机器人 游戏类别：主要是类似一些情景演绎的游戏类型，例如像是 比如 你穿越至XXX，有什么最终目标XXX 用户探查类别：主要是类似如何尽可能降低用户反感下构建出用户兴趣画像，同时这部分画像数据可以进一步指导教学生成和游戏生成。 智能体风控 - k12风控，敏感话题风控，防止模型攻击风控 长期记忆 - 根据历史上下文对用户进行画像体系建立，增强智能体对于用户的逐渐熟悉度 学生知识点掌握度追踪和课程续报率预估系统 收益 推题场景 - 次日留存指标比基线上涨19% 掌握度场景 - 整体掌握度符合业务期望 特征 用户分场景做题正确/错误id和类别信息序列 7d/15d/30d 用户课堂表现特征,e.g 课堂一些统计特征 + 课堂行为序列 试题侧&用户侧本身信息特征&家长沟通信息 用户做题序列和当前试题的交叉HardMatch特征 模型 - 交叉网络 + 多域模型 + BGE-M3 Emb构建 算法架构 - 构建一套完整的

2023-06-01 -2023-12-01河川智源联合创始人已认证

1.构建模拟面试助手类应用 算法 应用微调和RAG构建面试类Agent和结合实际模拟面试流程构建整体外部控制框架 爬取一些实时的面试信息作为消息补充 前端 VITS类模型微调，收集特定数据训练出特定人的语音TTS sd作为部分用户界面AI形象情感素材库生成，通过llm输出情感标签根据对话自动切换对应的素材 后端 算法API服务和监控报警构建

2021-07-01 -2023-05-31小米广告算法工程师已认证

1. 模型偏差探索 - 多域多目标低偏差结构  1. 探索目标:解决精排模型预估偏差过大及各个媒体单独模型带来的维护以及缺失域外信息带来的性能损失问题。  2. 最终实施:  1. 在预估偏差的视角下对特征分布&模型拟合两方面进行EDA，同时构建一套简易自动流水线方便快速复用。 2. 为平衡域内外信息，模型以媒体域偏差Media,Tagid作为标识，借鉴DPIN,STAR参数分离方式对各个domain进  行单独预测结构，低频过拟合问题采用H/L进行动态选取。 3. 同时借鉴PPNET激活DNN层，通过使用用户偏好特征激活DNN层，使得DNN能够根据用户兴趣自适应提取特  征，整体偏差达标，同时带来收入提升。  2. 数据强特探索 - 主流量位EDA领域强特  1. 探索目标:优化联盟整体模型，提升整体预估精度。 2. 最终实施: 1. 在整体联盟下部分的CTR异常偏高，再通过结合用户行为的分析聚类，定位到一些位置在用户session行为模式异常。这 种会导致大量的非真正样本出现，会对模型有极大干扰。  2. 通过构建异常位置表示特征，使用硬交叉和参数交叉表示，再将其放置

2017-07-01 - 2021-07-01合肥大学计算机技术与科学本科已认证