。。。的案例列表
ai学陪
AI 学陪是一款面向大学生的 AI 智能复习助手微信小程序，支持课件上传与多格式解析（PDF、Word、PPT、图片 OCR），自动生成结构化 AI 深度总结（知识点精讲、公式详解、考点预测、记忆口诀、随堂练习），基于 RAG 向量检索实现课件上下文多轮问答并标注来源页码，支持一键出题与自动批改、错题本自动入库与导出，提供课程分类管理与智能复习报告生成。我独立负责全部技术工作：后端采用 FastAPI + DeepSeek + SQLite + 向量检索架构，前端原生移动端适配，独立完成腾讯云服务器部署（Nginx 反向代理、systemd 服务守护、限流保护、日志系统），完成微信小程序类目审
cv算法模型微调
参加全球校园人工智能算法精英大赛，赛题为噪声标签数据下的细粒度图像识别鲁棒微调。在必须使用 CLIP ViT-B/32 骨干网络、单模型、无外部数据的严格约束下，设计了基于 LoRA 微调 + 知识蒸馏 + SeedTTA 的方案，进行 36 组对照实验，覆盖蒸馏强度调参、数据增强策略、多模型协同、文本分类器、特征蒸馏、强正则化等方向。最佳方案在验证集 81.19% 准确率、测试集取得 76% 以上的成绩，在同等约束条件下处于赛道第一梯队。核心发现包括：知识蒸馏是稳定提升的关键（偏离蒸馏策略的所有尝试均导致测试集下降）、SeedTTA 中种子多样性远优于视图数量（+0.63%）、验证集到测试集
cv算法模型微调
参加全球校园人工智能算法精英大赛，赛题为噪声标签数据下的细粒度图像识别鲁棒微调。在必须使用 CLIP ViT-B/32 骨干网络、单模型、无外部数据的严格约束下，设计了基于 LoRA 微调 + 知识蒸馏 + SeedTTA 的方案，进行 36 组对照实验，覆盖蒸馏强度调参、数据增强策略、多模型协同、文本分类器、特征蒸馏、强正则化等方向。最佳方案在验证集 81.19% 准确率、测试集取得 76% 以上的成绩，在同等约束条件下处于赛道第一梯队。核心发现包括：知识蒸馏是稳定提升的关键（偏离蒸馏策略的所有尝试均导致测试集下降）、SeedTTA 中种子多样性远优于视图数量（+0.63%）、验证集到测试集
案例判断参考
。。。的案例列表
ai学陪
AI 学陪是一款面向大学生的 AI 智能复习助手微信小程序，支持课件上传与多格式解析（PDF、Word、PPT、图片 OCR），自动生成结构化 AI 深度总结（知识点精讲、公式详解、考点预测、记忆口诀、随堂练习），基于 RAG 向量检索实现课件上下文多轮问答并标注来源页码，支持一键出题与自动批改、错题本自动入库与导出，提供课程分类管理与智能复习报告生成。我独立负责全部技术工作：后端采用 FastAPI + DeepSeek + SQLite + 向量检索架构，前端原生移动端适配，独立完成腾讯云服务器部署（Nginx 反向代理、systemd 服务守护、限流保护、日志系统），完成微信小程序类目审...
cv算法模型微调
参加全球校园人工智能算法精英大赛，赛题为噪声标签数据下的细粒度图像识别鲁棒微调。在必须使用 CLIP ViT-B/32 骨干网络、单模型、无外部数据的严格约束下，设计了基于 LoRA 微调 + 知识蒸馏 + SeedTTA 的方案，进行 36 组对照实验，覆盖蒸馏强度调参、数据增强策略、多模型协同、文本分类器、特征蒸馏、强正则化等方向。最佳方案在验证集 81.19% 准确率、测试集取得 76% 以上的成绩，在同等约束条件下处于赛道第一梯队。核心发现包括：知识蒸馏是稳定提升的关键（偏离蒸馏策略的所有尝试均导致测试集下降）、SeedTTA 中种子多样性远优于视图数量（+0.63%）、验证集到测试集...
cv算法模型微调
参加全球校园人工智能算法精英大赛，赛题为噪声标签数据下的细粒度图像识别鲁棒微调。在必须使用 CLIP ViT-B/32 骨干网络、单模型、无外部数据的严格约束下，设计了基于 LoRA 微调 + 知识蒸馏 + SeedTTA 的方案，进行 36 组对照实验，覆盖蒸馏强度调参、数据增强策略、多模型协同、文本分类器、特征蒸馏、强正则化等方向。最佳方案在验证集 81.19% 准确率、测试集取得 76% 以上的成绩，在同等约束条件下处于赛道第一梯队。核心发现包括：知识蒸馏是稳定提升的关键（偏离蒸馏策略的所有尝试均导致测试集下降）、SeedTTA 中种子多样性远优于视图数量（+0.63%）、验证集到测试集...
