主攻 AI 应用交付，把模型做成能上线的系统。

技术栈：Python / PyTorch；OCR 全链路（文本检测 DBNet、表格线分割 UNet、表格结构识别 TableDETR、版面分析、KIE 关键信息抽取）；大模型应用（RAG 知识库、Agent 编排、工具调用、VLM 微调）；语音交互（VAD / 声纹 / 语音分离 / ASR / 打断）；部署（ONNX / TensorRT / 昇腾 OM / 端侧量化 / 私有化）。

擅长解决三类问题：
1）复杂表格、财报、票据、合同识别不准，或识别出来没法落成 Excel；
2）企业文档太多查不到，需要知识库问答且答案要带出处；
3）语音交互卡顿、不能打断、多人说话识别乱。

全链路一个人交付：数据 → 模型 → 服务 → 接口 → 部署，不用你找三家供应商。

① 表格 / 财报 / 银行流水 OCR 服务（2021–2025，已上线）
自研表格结构识别（按 DETR 思路重构），标签从 39 类压缩到 9 类，增加 IoU loss 提升框回归，完成 pth→onnx→TensorRT / 昇腾 OM 部署。产出：单图推理从 3 秒降到 300 毫秒，标签回归 0.984、整单准确率 0.84，落地通用表格、财报、银行流水三条线上服务。

② 机器人语音交互智能体（2025–2026，已验收）
独立完成语音全链路（VAD / 声纹 / 语音分离 / ASR）、7 类意图路由、打断与多轮对话、文档 RAG 知识库、机械臂执行闭环。产出：系统覆盖 7 类意图，支持 4 人同时说话与实时打断，通过验收并作为创新技术储备。