我博士学位从新加坡国立大学（NUS）获得，我本科学位于四川大学取得。
于海外500强德企担任AI研究员2年，英文流畅。现于知名互联网/游戏大厂（海外）担任Agent智能体研究员，有充足的前后端开发经验。

我具备广泛的技术能力，研究方向特别是在自然语言处理（NLP）、推荐系统、图像分类和大数据存储方面拥有丰富的经验。我熟练掌握大语言模型（LLM）、交互式推荐系统、时序知识图谱、模态融合等技术，并在相关的国际顶级会议（如WWW、NIPS、ACL、COLING、WSDM等）发表论文十余篇。
我能够设计和实现复杂的NLP或普适神经网络和AI算法。此外，我在图像分类方面的专长包括使用深度学习模型如ResNet进行精细分类，并与生物学和应用开发团队合作，应用图像分割技术提升分类效果。在大数据存储方面，我曾在中国科学院计算技术研究所应用TensorFlow和Spark Streaming处理分布式数据，具备数据重采样和部署到HDFS的能力。

我熟悉多种语言模型，包扩但不限于Seq2Seq、Transformer（T5）、BERT、GPT、LlaMA。精通多种信息检索模型，包扩单不限于GRU4Rec、SASRec、NCF。

本人也精通前端、后端的全栈开发。
我熟练掌握多种编程语言，包括Python、C、C++、Java、JavaScript、SQL、HTML和CSS。在机器学习领域，我熟悉朴素贝叶斯、逻辑回归、支持向量机、决策树、XGBoost等算法。在深度学习方面，我擅长使用Pytorch实现卷积神经网络（CNN）、循环神经网络（RNN）、图卷积网络（GCN）及其变种。此外，我还具备Django、Hadoop和OpenGL（图形渲染）等技术和框架的使用经验。

精细图像分类项目
在新加坡国立大学媒体管理研究实验室担任研究助理期间，我负责与生物学和应用开发团队合作，实施了基于深度学习的精细图像分类项目。我主要应用了两流ResNet架构进行动植物图像的精细分类，并使用图像分割技术（SAM）提升分类精度。通过这项工作，我成功地提高了图像分类模型的准确性，并推动了应用程序的开发。

华为诺亚方舟实验室推荐系统研究
作为华为诺亚方舟实验室的研究实习生，我参与了交互式推荐系统和时序知识图谱的研究，并在模态融合和序列推荐方面取得了显著成果。期间，我作为第一作者提交了多篇研究论文，展示了在推荐系统领域的创新能力和学术贡献。

大数据存储与处理项目
在中国科学院计算技术研究所担任研究实习生时，我主要负责大数据存储与处理项目。该项目中，我应用TensorFlow和Spark Streaming技术对分布式数据系统进行处理，完成了数据的重采样和部署到HDFS的工作。这项经历使我深入了解了大数据处理的核心技术，并积累了丰富的实践经验。

更多项目经验因内容长度限制省略。