院
大模型应用算法工程师 · 1年经验 · xiaomi
0
累计接单
0
用户评价
0
被收藏
技术能力
一、算法与推荐系统
熟悉推荐系统冷启动、人群圈选、Lookalike、XGBoost 特征建模、Uplift Model、CATE 增量效用预估、A/B 实验分析等方法。能够围绕业务目标进行特征构建、模型迭代、实验评估和效果归因。
二、大模型应用与 RAG
熟悉 RAG 问答系统搭建，掌握 BM25 与向量模型双路召回、Reranker 精排、元数据过滤、Prompt 设计、引用标注和幻觉控制。了解 Qwen 系列模型应用，具备 SFT 微调、LoRA 适配、INT4/AWQ 量化部署、vLLM 推理服务等实践经验。
三、强化学习与 Agent
熟悉 PPO、GRPO、奖励塑形、POMDP 场景建模和 Agent 控制，能够进行强化学习环境建模、奖励函数设计、策略优化和实验验证。
四、工程开发能力
熟悉 Python、Java、Scala、SQL 等编程语言，常用技术栈包括 PyTorch、vLLM、DeepSpeed、ms-swift、Docker、Spark、Linux。能够完成数据处理、模型训练、推理部署、算法原型验证、后端接口开发和业务系统集成。
熟悉推荐系统冷启动、人群圈选、Lookalike、XGBoost 特征建模、Uplift Model、CATE 增量效用预估、A/B 实验分析等方法。能够围绕业务目标进行特征构建、模型迭代、实验评估和效果归因。
二、大模型应用与 RAG
熟悉 RAG 问答系统搭建，掌握 BM25 与向量模型双路召回、Reranker 精排、元数据过滤、Prompt 设计、引用标注和幻觉控制。了解 Qwen 系列模型应用，具备 SFT 微调、LoRA 适配、INT4/AWQ 量化部署、vLLM 推理服务等实践经验。
三、强化学习与 Agent
熟悉 PPO、GRPO、奖励塑形、POMDP 场景建模和 Agent 控制，能够进行强化学习环境建模、奖励函数设计、策略优化和实验验证。
四、工程开发能力
熟悉 Python、Java、Scala、SQL 等编程语言，常用技术栈包括 PyTorch、vLLM、DeepSpeed、ms-swift、Docker、Spark、Linux。能够完成数据处理、模型训练、推理部署、算法原型验证、后端接口开发和业务系统集成。
项目经验
一、推荐算法：短故事新品类冷启动人群圈选
参与短故事新品类冷启动算法迭代。前期基于 Lift 值启发式 Lookalike 快速发现核心人群画像，后续升级为 XGBoost 模型，构建 120 余维跨类目迁移特征，提升目标人群命中效果。进一步引入 Uplift Model，将优化目标从普通响应率切换为增量效用预估，过滤对整体大盘有负收益的流量，并在混排 A/B 实验中取得稳定提升。
二、大模型应用：基于 RAG 的智能游戏推荐助手
搭建游戏推荐问答系统，设计 BM25 加 BGE-M3 双路召回与 Reranker 精排架构。针对社区帖子构建帖子-回复切分策略，并通过元数据过滤解决攻略数据时效性强、表达口语化的问题。基于 Qwen3-8B 进行 SFT 微调与 INT4 量化部署，通过角色设定、引用标注和 Prompt 优化降低幻觉，提高问答准确性和风格一致性。
三、强化学习：基于 PPO 的游戏 AI Agent
基于 Cradle 框架搭建自动化控制系统，仅通过屏幕像素输入训练 Agent 完成游戏操作。针对部分可观测场景进行环境建模，并设计基于势函数的奖励塑形，缓解 reward hacking 问题，最终训练 Agent 完成关键关卡挑战。
四、个人项目：电竞对局智能分析系统
设计 LoL 与 Dota 2 对局智能分析系统，采用“结构化摘要 + 原始 JSON 按需深挖”的两层数据架构，将大体积原始对局数据压缩为适合模型输入的摘要，同时保留原始数据供 Agent 自主写代码交叉验证。基于 LoRA、GRPO、AutoAWQ 和 vLLM 完成领域适配、量化和推理部署。
参与短故事新品类冷启动算法迭代。前期基于 Lift 值启发式 Lookalike 快速发现核心人群画像，后续升级为 XGBoost 模型，构建 120 余维跨类目迁移特征，提升目标人群命中效果。进一步引入 Uplift Model，将优化目标从普通响应率切换为增量效用预估，过滤对整体大盘有负收益的流量，并在混排 A/B 实验中取得稳定提升。
二、大模型应用：基于 RAG 的智能游戏推荐助手
搭建游戏推荐问答系统，设计 BM25 加 BGE-M3 双路召回与 Reranker 精排架构。针对社区帖子构建帖子-回复切分策略，并通过元数据过滤解决攻略数据时效性强、表达口语化的问题。基于 Qwen3-8B 进行 SFT 微调与 INT4 量化部署，通过角色设定、引用标注和 Prompt 优化降低幻觉，提高问答准确性和风格一致性。
三、强化学习：基于 PPO 的游戏 AI Agent
基于 Cradle 框架搭建自动化控制系统，仅通过屏幕像素输入训练 Agent 完成游戏操作。针对部分可观测场景进行环境建模，并设计基于势函数的奖励塑形，缓解 reward hacking 问题，最终训练 Agent 完成关键关卡挑战。
四、个人项目：电竞对局智能分析系统
设计 LoL 与 Dota 2 对局智能分析系统，采用“结构化摘要 + 原始 JSON 按需深挖”的两层数据架构，将大体积原始对局数据压缩为适合模型输入的摘要，同时保留原始数据供 Agent 自主写代码交叉验证。基于 LoRA、GRPO、AutoAWQ 和 vLLM 完成领域适配、量化和推理部署。
案例展示
智能游戏攻略助手
项目类型：基于 RAG 的智能游戏攻略问答助手。 项目背景：游戏攻略内容分散在 Wiki、社区帖子和玩家回复中，信息更新快、表达口语化，普通关键词搜索很难快速找到可靠答案。本项目面向游戏问答与推荐场景，搭建了一套可检索、可追溯、带引用来源的智能问答系统。 核心功能：
黑神话AI挑战项目
项目类型：基于强化学习的游戏 AI Agent 项目。 项目背景：该项目围绕《黑神话》类高复杂度动作游戏场景，探索仅依赖屏幕画面输入的智能体控制能力。项目演示视频入选 B 站第 285 期每周必看，播放量超过 200 万，展示了 AI 在大量死亡训练尝试后最终击败首个 BO
短故事人群圈选
项目类型：信息流推荐与人群圈选项目。 项目背景：在信息流业务引入“短故事”新体裁时，历史交互数据非常稀疏，直接依赖传统 CTR 模型难以准确判断哪些用户会对短故事内容感兴趣。项目目标是在冷启动阶段快速找到高潜人群，并通过小流量实验验证新体裁对整体大盘的增益。 核心工作
立即沟通
