1.生成式 AI：深入理解和使用 AIGC 领域的多种模型架构与技术，如扩散模型系列（SDXL，SD3，FLUX）、GAN 系列、VAE，CLIP、BLIP 等多模态模型，以及 ControlNet、ComfyUI 等条件生成技术。熟悉文本到图像（T2I）、图像到图像（I2I）转换及风格迁移的应用，擅长在 LoRA 微调、模型蒸馏和可控生成等方面实现个性化内容生成，并对前沿技术有深入研究。

2. RAG： 具备构建和优化基于 RAG 架构的智能问答系统的实践经验，深入理解 RAG 系统的核心组件，包括文档预处理、向量化、语义检索、上下文增强提示等关键技术。 熟悉使用向量数据库存储和检索嵌入向量，结合大语言模型，RAGFlow，Agent ，MCP 等生成准确、上下文相关的回答。 能够根据特定业务需求，设计高效的 RAG 系统架构，提升模型的响应准确性和实用性。

3. NLP：拥有扎实的 Transformer 架构背景，熟练掌握 BERT、GPT、LLaMA、deepseek 等预训练模型，深入研究 Attention 机制及模型内部实现。

4. CV：熟练了解和使用 CV 领域中主流的目标分类、检测和分割算法和 opencv 图像算法库，具备丰富的实践经验。了解 YOLO 系列、Faster R-CNN、ViT、DERT、UNet、SAM 等主流模型算法。能够根据不同的应用场景选择并优化合适的模型，以满足高效和精准的视觉工程任务需求。

5.算法与工程能力：熟练使用 python / C/C++ 和 pytorch 开发框架，累计完成 1000+道算法题，在 Linux 环境下高效开发，具备扎实的工程实现能力。熟悉 Docker 容器化部署、Git 版本控制、自动化脚本编写以及 Linux 操作系统，能够胜任 AI 系统开发与跨平台部署任务。

6. 学科基础：考研数学 143 分，对微积分、线代、概率论深入理解，能够熟练推导并实现各类模型的算法；拥有良好的外语听说读写能力。