猿急送>

深圳其它兼职程序员

ID：420392

Joaquin Chou

AI 算法工程师

公司信息：
anker

工作经验：
3年

兼职日薪：
800元/8小时

兼职时间：
下班后
周六
周日

所在区域：
深圳
南山

技术能力

工作技能
深度学习：掌握Transformer、CNN、ViT，掌握Pytorch
大模型：掌握VILA架构、Qwen3、熟悉后训练方法（SFT、DPO、GRPO），了解LLaVA、Qwen-VL、RLHF
小模型：熟悉resnet、yolov5、yolov8，了解yolo11、yolo26
编程语言：熟悉Python，了解C++
其他技能：熟练使用claude code、ChatGPT、perplexity等AI工具；熟练docker容器开发和git分支开发；CET6
所获荣誉
2024-2025年已成功申请发明专利4项，其中已授权1项；
2024年获得“安克新星”，仅占新员工10%；
2020-2023年，发表2篇 JCR 1区论文和1篇 CCF C会议；
2018年，荣获“TI杯”全国大学生物联网设计竞赛全国一等奖；
2016-2020年，荣获4次国家励志奖学金，1次“双创之星”和授权1项发明专利。

项目经验

家庭安防 agent 记忆系统 2025年02月 - 至今
场景：针对家庭安防场景中人物的身份，将环境、历史身份、行为和规律作为记忆，沉淀到系统中，当出现不确定事件时，为事
件判断提供上下文，帮助安防系统作出正确的身份判断。
任务：参与人物长短期记忆架构的设计，负责基于 Qwen3-0.6B 的身份推理模型的后训练（ SFT→CoT→GRPO）、端侧量化部
署及记忆构建、记忆检索、记忆推理和记忆反思等任务的系统搭建。
成果：
模型指标：在4.8w测试集上，在精准率98%约束下，召回率达到95%；
训练优化：针对“家人 vs 不确定”易混淆的问题，引入商业大模型生成安防推理 CoT 数据进行蒸馏，并通过 GRPO 对齐安
防偏好，显著提升复杂场景推理能力，身份召回率由92%提升至94%，最终达到95%；
部署优化：采用 SeqMSE 量化校准方法，将量化精度损失控制在≤1%，有效缓解 Qwen3-0.6B 在 W8A16 下的性能退化；
结合业务语料进行词表裁剪，模型体积压缩约40%，内存占用由2.4GB降至1.9GB（-20%），同时降低推理延迟（prefill：
170ms → 140ms）；
仿真设计：构建可检索记忆单元（时间/地点/属性/行为/向量），融合BM25+BGE-small RAG检索+符号搜索，实现跨天关
联的用户行为规律和关系规律建模长期记忆。在1.2w真实视频数据上验证，引入记忆后，身份召回率由83%提升至91%
（+8%）。

基于 VLM 的边端协同包裹守卫系统 2024年02月 - 2025年01月
场景：面向家庭安防场景，针对用户对包裹相关事件（投递、家人取件、快递员取件、包裹盗窃）的高关注需求，基于视觉大语
言模型（VLM）的视频理解能力，构建多类别事件识别系统。
任务：负责视频多模态大模型的选型、训练与压缩，构建覆盖图文预训练 → 安防垂域微调 → 偏好对齐（DPO）的完整训练体
系，并设计轻量化方案以支持边端部署。
成果：
模型指标：在7k测试集上，在精准率98%约束下，召回率达到93%；
模型优化：基于 VILA 1.5 架构，构建多阶段训练流程（图文对齐 + 多模态预训练 + 指令微调 + DPO），针对“快递员取
件”和“包裹偷盗”等易混淆类别，引入 DPO 进行偏好对齐，类间混淆率降低约1%；
模型压缩：
token压缩：针对 SgLIP2 输出视觉 token 冗余问题，提出高效token压缩策略（ 196→9），显著降低计算开销，使推
理时间由4.9s降低至0.5s（约10×加速）召回率仅下降0.6%；
模型小型化：通过结构轻量化设计将模型规模由3B压缩至1.3B，显存占用降低30%以上，推理速度提升约2倍，性能基
本无损；
仿真设计：设计基于关键动作的抽帧策略与动态缓存建模方案，实现边缘端轻量化部署，并提升事件识别的稳定性，在端到
端1.2w真实用户数据上验证，在精准率98%条件下，包裹事件平均召回率达到91%。

基于包裹检测的事件识别系统 2023年06月 - 2024年01月
场景：面向智能门铃家庭安防场景，在1.5m高度、45°俯视副摄视角下，实现1–3m门廊区域的包裹检测与“投递/取走”事件识
别，联动APP完成状态通知。
任务：负责端侧包裹检测算法全链路落地，重点搭建数据驱动的难例挖掘与优化体系，覆盖模型选型、训练、数据治理、量化部
署及仿真逻辑设计。
成果：
模型指标：在RV1106（0.5T算力）端侧实现15FPS实时推理，包裹检测在误检率≤0.5%条件下，检出率提升至95%；
数据优化：搭建难例挖掘闭环（ CLIP检索 + Grounding DINO找diff + flux数据生成），突破数据瓶颈；
量化部署：通过算子替换、混合精度量化及校准数据优化，将INT8模型精度损失控制在1%以内；
仿真设计：基于1k用户门铃场景视频，结合人进入热区的条件下，包裹“出现/消失”的连续帧数，设计“投递/取走”的判
断逻辑，端到端包裹事件识别准确率达到92%。

案例展示

智能单车导航仪

针对于单车市场，我们旨在打造一款低功耗，低成本，高指示精度的单车导航配件。本项目设计并开发了一种融合 GPS 与惯性导航用于共享单车行驶的指针设备。
高德地图 api 骑行应用

使用高德地图 api 实现， 1. 地图定位， poi 搜索，目的地导航，路径规划和历史数据记录等功能。 2.实现页面注册登录功能。 3.使用蓝牙协议，在 app 中接入手机蓝牙模块的接口，使用蓝牙通信功能。
高德地图 api 骑行应用

使用高德地图 api 实现， 1. 地图定位， poi 搜索，目的地导航，路径规划和历史数据记录等功能。 2.实现页面注册登录功能。 3.使用蓝牙协议，在 app 中接入手机蓝牙模块的接口，使用蓝牙通信功能。