晚桐
无
无 · 1年经验
日薪：
￥500/8h
地点：
苏州 全区
时间：
可工作日驻场（自由职业原因）
信用行为
0
接单数
0
评价数
0
收藏数
技术能力
Java 作为跨平台后端语言，稳定性强，广泛用于业务系统、服务开发；C++ 性能顶尖，适合高性能程序、算法与底层开发。MySQL 是主流关系型数据库，负责数据持久存储。HTML 搭建网页骨架，CSS 美化页面样式，JavaScript 赋予网页交互能力。Vue3 轻量化前端框架，简化页面开发，高效构建现代化交互界面，前后端技术搭配，能够实现完整 Web 应用开发。
项目经验
基于 VLM 的多工具协同图像恢复 Agent 系统 实践项目 2025-2026
项目描述：本项目旨在深入掌握多模态 Agent 系统的设计与落地全链路技术，独立搭建了一套以视觉语言大模型为控制中心的图像恢复 Agent 系统。系统能够自主分析退化图像、生成推理链路，并动态调度多个异构专家完成图像恢复任务。项目对工具调用协议和错误回退机制进行了工程优化，提升了系统的鲁棒性与可扩展性
项目职责：基于 LLaVA 多模态模型搭建了感知→推理→规划→工具调用→执行→评估的六阶段 Agent 决策闭环，使模型能将退化图像与用户指令转化为可解释的思维链，并据此生成多步恢复策略。并将多个异构专家模型封装为统一的 Function Calling 接口，定义了标准化调用协议，实现了工具注册、动态加载、参数校验、错误回退与流水线自动编排，保障复杂任务执行的鲁棒性。同时，复现了基于无参考多维度 IQA 自动奖励的 MRRHF 训练框架，利用 Diverse Beam Search 与 Ranking Loss 驱动 Agent 在无人工标注条件下完成决策的自我优化，形成了数据驱动的迭代闭环
项目描述：本项目旨在深入掌握多模态 Agent 系统的设计与落地全链路技术，独立搭建了一套以视觉语言大模型为控制中心的图像恢复 Agent 系统。系统能够自主分析退化图像、生成推理链路，并动态调度多个异构专家完成图像恢复任务。项目对工具调用协议和错误回退机制进行了工程优化，提升了系统的鲁棒性与可扩展性
项目职责：基于 LLaVA 多模态模型搭建了感知→推理→规划→工具调用→执行→评估的六阶段 Agent 决策闭环，使模型能将退化图像与用户指令转化为可解释的思维链，并据此生成多步恢复策略。并将多个异构专家模型封装为统一的 Function Calling 接口，定义了标准化调用协议，实现了工具注册、动态加载、参数校验、错误回退与流水线自动编排，保障复杂任务执行的鲁棒性。同时，复现了基于无参考多维度 IQA 自动奖励的 MRRHF 训练框架，利用 Diverse Beam Search 与 Ranking Loss 驱动 Agent 在无人工标注条件下完成决策的自我优化，形成了数据驱动的迭代闭环
晚桐
无 · 1年经验 · 无
0
累计接单
0
用户评价
0
被收藏
信用行为
0
接单数
0
评价数
0
收藏数
技术能力
Java 作为跨平台后端语言，稳定性强，广泛用于业务系统、服务开发；C++ 性能顶尖，适合高性能程序、算法与底层开发。MySQL 是主流关系型数据库，负责数据持久存储。HTML 搭建网页骨架，CSS 美化页面样式，JavaScript 赋予网页交互能力。Vue3 轻量化前端框架，简化页面开发，高效构建现代化交互界面，前后端技术搭配，能够实现完整 Web 应用开发。
项目经验
基于 VLM 的多工具协同图像恢复 Agent 系统 实践项目 2025-2026
项目描述：本项目旨在深入掌握多模态 Agent 系统的设计与落地全链路技术，独立搭建了一套以视觉语言大模型为控制中心的图像恢复 Agent 系统。系统能够自主分析退化图像、生成推理链路，并动态调度多个异构专家完成图像恢复任务。项目对工具调用协议和错误回退机制进行了工程优化，提升了系统的鲁棒性与可扩展性
项目职责：基于 LLaVA 多模态模型搭建了感知→推理→规划→工具调用→执行→评估的六阶段 Agent 决策闭环，使模型能将退化图像与用户指令转化为可解释的思维链，并据此生成多步恢复策略。并将多个异构专家模型封装为统一的 Function Calling 接口，定义了标准化调用协议，实现了工具注册、动态加载、参数校验、错误回退与流水线自动编排，保障复杂任务执行的鲁棒性。同时，复现了基于无参考多维度 IQA 自动奖励的 MRRHF 训练框架，利用 Diverse Beam Search 与 Ranking Loss 驱动 Agent 在无人工标注条件下完成决策的自我优化，形成了数据驱动的迭代闭环
项目描述：本项目旨在深入掌握多模态 Agent 系统的设计与落地全链路技术，独立搭建了一套以视觉语言大模型为控制中心的图像恢复 Agent 系统。系统能够自主分析退化图像、生成推理链路，并动态调度多个异构专家完成图像恢复任务。项目对工具调用协议和错误回退机制进行了工程优化，提升了系统的鲁棒性与可扩展性
项目职责：基于 LLaVA 多模态模型搭建了感知→推理→规划→工具调用→执行→评估的六阶段 Agent 决策闭环，使模型能将退化图像与用户指令转化为可解释的思维链，并据此生成多步恢复策略。并将多个异构专家模型封装为统一的 Function Calling 接口，定义了标准化调用协议，实现了工具注册、动态加载、参数校验、错误回退与流水线自动编排，保障复杂任务执行的鲁棒性。同时，复现了基于无参考多维度 IQA 自动奖励的 MRRHF 训练框架，利用 Diverse Beam Search 与 Ranking Loss 驱动 Agent 在无人工标注条件下完成决策的自我优化，形成了数据驱动的迭代闭环
立即沟通
相似人才推荐：
