罗一策Yice Luo
算法开发 · 6年经验 · 蚂蚁
0
累计接单
0
用户评价
0
被收藏
技术能力
图(10 亿节点/时序图/GNN)，RAG/Agent(retrieval, rerank, eval)，分布式训练推理，英语日常会话写作
其他研究方向和负责项目：基于知识图谱的推理密集语料合成以及多跳问答评测数据集自动生成框架；大模型
生成 Wiki 的不一致性（意图、用词、结构等）的系统性定义与提出解决方案；结构化数据基模和基于 SCM 的
表格数据合成；基于多 Agent 交互迭代的知识挖掘与演化框架；领域内专业术语同义词自动发现算法；可解
释的欧洲杯预测图算法；跨层 GNN 注意力机制设计，在 1/1000 参数量下性能对齐 SOTA；多跳行为纠缠探测
网络；离线 A/B Test 评估框架研究；图特征自动选择与寻优
其他研究方向和负责项目：基于知识图谱的推理密集语料合成以及多跳问答评测数据集自动生成框架；大模型
生成 Wiki 的不一致性（意图、用词、结构等）的系统性定义与提出解决方案；结构化数据基模和基于 SCM 的
表格数据合成；基于多 Agent 交互迭代的知识挖掘与演化框架；领域内专业术语同义词自动发现算法；可解
释的欧洲杯预测图算法；跨层 GNN 注意力机制设计，在 1/1000 参数量下性能对齐 SOTA；多跳行为纠缠探测
网络；离线 A/B Test 评估框架研究；图特征自动选择与寻优
项目经验
医保政策冲突检测系统：算法 owner
主导设计并落地医保政策冲突检测系统—构建"事实抽取-多维检索-失效判定"三阶段流水线,自动识别政策间
的替代/更新/废止/冲突等关系,核心判定与人工一致率达 98.3%、端到端真失效识别 F1≈0.92。
将系统解耦为可独立归因、独立优化的模块组,配套冻结基线与"净正门",使 multi-agent 优化可并行、可复现、
单调收敛，贯通算法—数据—评测—产出全链路。
沉淀失效判定表与同构评测体系,以 multi-agent 异步协同+专家在环上裁决"范式带队,制定协作铁律、双层验证
门与不可逆决策流程,将专家判断力放大为数十次可控迭代,沉淀出可迁移的 AI‑native 知识工程方法论。
GeaRAG 算法研发
跨团队推进协作建设统一 RAG 平台，独立负责开发迭代 GeaRAG (核心 GraphRAG 算法)。
负责离在线链路算法部分，评测机的自动生成，评测方法的设计等，保证多轮迭代稳定可控。
跨团队参与业务分析、需求抽象与算法泛化，协同工程与业务团队完成上线优化，bad case 降幅约 70%。
落地 20+ 项业务应用（阿福，语音，大安全等），显著提升 recall@k（20+%）和效率（token 500ms 内）。
公开数据集上 recall@5 超过原 SOTA10%, 发表相关技术文章，为 GeaRAG 产品规模化应用奠定基础。 用户认知基础模型：图算法 owner 2025.01 - 2025.09
参与并推进用户认知模型升级，系统性解决多源异构用户数据难以统一建模、复用与长序列建模受限的问
题。负责 Encoder 设计、Tabular 数据建模、 Codebook 优化，以及未来会负责图特征的融入。
在多个核心业务上线，AUC/KS 取得提升 1.25%和 2.44%，为用户理解与跨业务建模提供通用底座能力。 时序图欺诈挖掘与风控算法框架：算法 owner
负责 FAF 时序图欺诈挖掘框架，组织算法/工程联合迭代，用于芝麻租赁的欺诈识别并规模化商业化输出。
构建融合时序图建模、GNN 与树模型的可解释的统一风控框架，系统刻画团伙行为的时空与结构特征。
V3 召回提升近 3×，超过线上最强模型，新增拦截召回 +9.7%，资损 -5%，生产周期缩短至 1/5. 联动业务/风
控策略/工程团队对齐 Lift 约束、数据口径、资损目标等，支撑 芝麻租赁风控 SaaS 交付与持续迭代，累计带
来超 1 亿元营收；CIKM 2023 一作； TuGraph 开源技术宣讲和高校公开课。
主导设计并落地医保政策冲突检测系统—构建"事实抽取-多维检索-失效判定"三阶段流水线,自动识别政策间
的替代/更新/废止/冲突等关系,核心判定与人工一致率达 98.3%、端到端真失效识别 F1≈0.92。
将系统解耦为可独立归因、独立优化的模块组,配套冻结基线与"净正门",使 multi-agent 优化可并行、可复现、
单调收敛，贯通算法—数据—评测—产出全链路。
沉淀失效判定表与同构评测体系,以 multi-agent 异步协同+专家在环上裁决"范式带队,制定协作铁律、双层验证
门与不可逆决策流程,将专家判断力放大为数十次可控迭代,沉淀出可迁移的 AI‑native 知识工程方法论。
GeaRAG 算法研发
跨团队推进协作建设统一 RAG 平台，独立负责开发迭代 GeaRAG (核心 GraphRAG 算法)。
负责离在线链路算法部分，评测机的自动生成，评测方法的设计等，保证多轮迭代稳定可控。
跨团队参与业务分析、需求抽象与算法泛化，协同工程与业务团队完成上线优化，bad case 降幅约 70%。
落地 20+ 项业务应用（阿福，语音，大安全等），显著提升 recall@k（20+%）和效率（token 500ms 内）。
公开数据集上 recall@5 超过原 SOTA10%, 发表相关技术文章，为 GeaRAG 产品规模化应用奠定基础。 用户认知基础模型：图算法 owner 2025.01 - 2025.09
参与并推进用户认知模型升级，系统性解决多源异构用户数据难以统一建模、复用与长序列建模受限的问
题。负责 Encoder 设计、Tabular 数据建模、 Codebook 优化，以及未来会负责图特征的融入。
在多个核心业务上线，AUC/KS 取得提升 1.25%和 2.44%，为用户理解与跨业务建模提供通用底座能力。 时序图欺诈挖掘与风控算法框架：算法 owner
负责 FAF 时序图欺诈挖掘框架，组织算法/工程联合迭代，用于芝麻租赁的欺诈识别并规模化商业化输出。
构建融合时序图建模、GNN 与树模型的可解释的统一风控框架，系统刻画团伙行为的时空与结构特征。
V3 召回提升近 3×，超过线上最强模型，新增拦截召回 +9.7%，资损 -5%，生产周期缩短至 1/5. 联动业务/风
控策略/工程团队对齐 Lift 约束、数据口径、资损目标等，支撑 芝麻租赁风控 SaaS 交付与持续迭代，累计带
来超 1 亿元营收；CIKM 2023 一作； TuGraph 开源技术宣讲和高校公开课。
立即沟通
