作为一名专注于大模型、NLP与机器视觉的高级算法工程师，我构建了从底层原理到上层应用的全栈技术体系。

在大模型与NLP领域，我精通Transformer架构及各类微调范式，熟练运用LoRA、QLoRA等高效微调技术，并有DeepSpeed多机多卡分布式训练与推理优化经验。我主导过RAG系统的落地，融合知识图谱与向量检索解决事实幻觉；同时深入探索Agent技术，利用LangChain与ReAct机制开发出具备复杂规划与工具调用能力的智能体。此外，我熟悉模型量化部署，能通过TensorRT、vLLM等框架确保模型高效稳定运行。

在机器视觉领域，我掌握传统图像处理与深度学习算法，精通OpenCV及MMDetection、YOLO系列等目标检测框架，并涉足多模态理解，能将视觉信息与大语言模型结合，应用于图文生成、视觉问答等场景。

在工程能力方面，我具备扎实的Python与C++开发功底，熟练使用PyTorch，并拥有Docker、Kubernetes的容器化部署经验。我热衷跟踪前沿技术，能将最新研究成果快速转化为可落地的解决方案，具备良好的跨团队协作与项目攻坚能力。

大模型：主导金融研报分析平台，设计混合检索RAG（稠密+稀疏+重排序）及多Agent协作（规划、检索、摘要、核查），微调Qwen-72B并使用DeepSpeed分布式训练。系统准确率达92%，推理延迟控制在2秒内，已服务近百位分析师。

机器视觉：负责电子元件缺陷检测系统，基于RT-DETR和YOLOv8优化小目标召回，引入Focal Loss解决样本不均衡，经TensorRT部署至边缘设备。推理速度30 FPS，mAP达98.3%，上线后产线良率提升15%。

多模态与工程部署：搭建统一推理服务平台，融合CLIP与LLaMA实现图文生成和视觉问答，采用vLLM和Triton实现高吞吐调度，PagedAttention技术提升3倍吞吐，K8s弹性伸缩管理，日均处理请求超10万次，稳定运行6个月。