具备 Java / SpringBoot、Python / FastAPI、Kotlin / Android 与 Next.js + TailwindCSS 实战，能够独立完成微服务拆分、CI/CD、容器化交付及 Prometheus + Grafana 监控。曾在中国铁塔信息技术研究院担任算法工程师，负责多模态大模型微调、运维监控数据 3D 建模，并在国际通信协会日内瓦会议上提出本公司制定的数据处理标准并通过。曾在中国银行上海分行信息科技岗任职，利用机器学习算法对交易量进行数据挖掘，在内部数据开发平台制作数据可视化表格，点击量内部排名前列，并获中国银行黑客松数据竞赛优秀小组。更早前在中国银行数据中心从事基于循环神经网络的运量预测研究，设计基于 LSTM-WP 的业务量预测模型，将假期数据准确性提高 8%，相关论文发表于第五届国际计算与数据科学会议。在耶鲁大学医学院基因学项目中，研究单细胞组学数据的计算分析方法，使用卷积神经网络、深度自动编码器和具有长短期记忆的循环神经网络减少假阳性、假阴性和数据稀疏性。曾在 RISC‑V 架构下进行代码性能建模与优化，对高并发与实时嵌入式系统有深入理解。

此外，熟悉 AWS、阿里云与国产信创环境，能够实施安全合规、弹性伸缩与灰度发布；精通 GitOps、TDD、SOLID、DDD 等工程方法论，可为团队提供技术评审、故障应急和培训赋能。凭借系统工程思维与跨学科背景，可为企业提供从 AI 战略规划、算法选型到落地运维的完整顾问服务，助力快速构建高性能、可持续迭代的智能产品。

为工程运维场景特化训练的200亿参数多模态大模型算法研发并
曾主导基于嵌入选择的大语言模型提示词优化研究，将提示-回应对表示于高维空间，结合 PCA 等降维技术评估覆盖度与多样性，目标是在减少冗余的同时找到能提升模型准确率的小规模提示集；并参与 NASA 卫星数据在纽约市地区的降尺度训练与基于降雨量的城市洪涝灾害贝叶斯后验预测，利用 diffusion 与 NetCDF 模型将粗粒度卫星气候数据降为更高尺度，结合 311 城市政务投诉数据与 MTA 地铁警报系统数据构建零膨胀空间泊松模型，实现小时段降雨量洪涝预测准确率约 80%。现阶段以 UniFace、DINOv2 Backbone 微调为核心，结合 CelebA 基准完成精度评估与报告自动化；熟悉 RAG、Agent、VLM 框架，可针对中文场景进行 LoRA 微调、提示工程与云 / 边端部署。