○Seedance相关能力建设：推进Caption数据策略优化、自动化工作流搭建与上线闭环（因受保密协议约束，具体细节不作展开）。

○DM模型EQ优化上线：参与Qwen3.5-397B的SFT微调，EQ评分由50.07提升至64.37，叠加留资频次优化，带动CVR2 +4.54%置信正向。

○DM模型v2.0迭代拆解：①基模层面识别Qwen3.5-397B的高成本/无音视频能力/时延问题，推动重新启动基模+工作流讨论，梳理评估维度（DM能力/成本/时延/多语种/多模态）；②评估层面诊断v1.0 EQ Rubrics重合+LLM-Judge未人工对齐的问题，参与从0到1重构Golden Data与Rubrics体系，按用户意图×垂类分层设计SFT训练数据与Benchmark分布，引入人机多轮迭代对齐流程，已产出GoldenData初版。

○Agent链路优化：针对商家对Bot回复风格的个性化需求，参与上线动态知识库+Memory机制，基于广告主网页与真实对话数据做T+1业务知识与话术偏好总结，解决大模型无状态（Stateless）痛点；主导SBS人工评估验证跨会话连贯性与个性化体验显著优于基线，并上线A/B实验。

○机器评估拦截链路：参与制定Badcase判定S0-S3分级框架，推全S0/S1全量机器评估，安全性达标的情况下，压缩时延从16s到5s。

○用户旅程优化：定位非工作时段线索流失痛点，上线支持自定义时间的夜班模式，实现夜间高潜线索接管，召回流失客户。

○短剧生成平台：主导Nebula AI短剧生成工作台迭代，落地Master-Sub-Worker Agent架构与HITL机制，打通剧本结构化、资产生成、分镜与视频生成链路，统一管理Workflow Snapshot与Provider Job状态，实现局部重绘与断点续跑，降低算力损耗，支撑产品Dogfooding。

○短剧工作流评测：统筹AI短剧工作流的效果评估闭环，设计并开展Clip与Episode双重粒度的SBS评测，持续指导Agent工作流的调优。

○数字人模型数据准备：深入参与1.6B数字人口播模型的业务定义。从0到1搭建直播微动作数据集，体系化定义头部、微表情、手部专有动作规范及Prompt映射逻辑；规模化调用Seedance 2.0/ Kling v3等模型批量生成训练视频。

○Bernini视频编辑模型评测：推动Bernini的SBS评估。针对源视频+Prompt视频重绘任务，建立近1300条评测集，深度对齐Kling V3 Omni、Wan 2.7、Grok Imagine等模型，通过盲测打标计算人工偏好胜率（Win Rate），为模型能力提供量化依据，并遴选Showcase。

○短剧市场Agent：针对海外市场，将多源非结构化数据转化为标准化短剧题材聚类周报，沉淀视觉识别、权重计算、题材打标与质量复核机制。

○核心成果：从0到1交付AI录音手环「Memora」并通过28位高管实测（累计录音7634h，日均>7.5h），以“端侧能力+人车家生态Agent”构建小米AI差异化壁垒；并推进商业模型与KOL试点方案拆解。

○多模态感知与端到端理解：采用Gemini 2.5 Pro（云端）/ MiMo-Audio（端侧）对天级音频进行端到端理解，输出时间—地点—事件结构化剧本；建立事件切分benchmark，平均精准率Precision 0.67 / 召回率Recall0.85 / 时序交并比Temporal IoU 0.63。

○记忆构建与主动智能：设计并落地分层存储架构，基于文件架构存储情节记忆（Episodic），并通过Graphiti提取SVO三元组构建图谱化语义记忆（Semantic）。基于每日事件流设计Agent驱动的插件分发策略，支撑个性化召回与推送，并落地滑动卡片交互，收藏率提升25%。

○硬件工程与数据链路优化：深度参与基于ESP32-S3的Wi-Fi传输协议定义，针对二进制流上传、序列异常及断点续传进行技术攻坚。通过优化双缓冲区逻辑与并发策略，将上传能效比从3:1提升至10:1，上传成功率达92.5%，关键P0故障平均闭环耗时缩短至0.5天。

○全场景生态与插件系统：基于用户数据打造小米下一代AI超级入口。全栈编写7,000+行代码，开发插件：①AI狼人杀：支持用户与好友数字人同场互动；②生活推荐：接入高德POI实现主动推荐与一键导航，并面向小米“人车家”生态扩展任务链路，验证“插件→行动”的可扩展路径。

○安全架构与隐私合规：推动硬件级TEE加密链路落地，实现端到云的全链路源文件加密，在高敏场景下确保存储与传输层面的数据隐私安全性。

○核心成果：推动搭建小米汽车舆情与媒介数字化体系，利用LLM+大数据架构实现千万级数据精准挖掘与公关实时监测处理闭环。

○架构设计与数据治理：主导「Echo舆情KOL管理平台」研发，设计自动化数据采集与预处理体系，解决外部异构数据同步瓶颈；设计基于多维加权算法的KOL评级模型，量化抖音、微博、B站等多源平台经营指标（CPM/CPE/CPC），驱动媒介投放策略从经验导向转向算法导向。

○高性能系统迭代：深度参与「Echo舆情2.0」数据架构升级，设计并落地MySQL+Elasticsearch (ES) 异构数据同步链路；引入Kafka消息队列实现异步解耦与削峰填谷，支撑千万级索引的小时级增量更新；推动系统架构微服务化解耦，通过API编排提升了40%的功能模块复用率。

○LLM 驱动的数据挖掘：针对智能驾驶事故场景，利用SQL复杂查询与特征工程预筛选千万级视频样本；采用GPT-4o mini结合Few-shot Prompting 与CoT优化标注逻辑，与算法团队协同迭代召回模型（Recall），将关键驾驶事故场景识别准确率提升至81.29%。

○Agentic 智能工具链路：自研微博舆情自动化治理Bot「黑米终结者」，基于DeepSeek-R1构建Agent，通过RAG挂载小米车型知识库与PR 话术约束，实现高度可控的文案生成；对接实时舆情API流，构建“监测-分析-响应”的秒级自动化公关闭环。

○产品设计：主导开发“易架”AI开发平台，完成需求调研、PRD文档撰写及原型设计（Figma），基于LLaMA2、StableDiffusionV2模型指令精调，支持无计算机背景用户一体化开发AI工作流，提升企业效率30%以上，为5家头部保险公司提供高可用的私有化AI解决方案

○全栈功能集成：主导基于LLaMA2和Stable Diffusion的指令微调，针对金融保险行业构建17种高质量SFT数据集，成功实现模型在垂直领域的语义对齐。定义并落地 30 余项核心组件，涵盖RAG知识库、自动化数据清洗及图像创作模块，设计并实现低代码AI工作流。

○模型私有化部署：主导复深蓝13B/33B私有化大模型的部署方案设计，针对金融长文档解析瓶颈，引入FlashAttention与动态显存管理技术，支持 8K 上下文稳定推理。通过对模型推理加速引擎的优化，将系统响应速度提升 32%，显著降低了私有化算力成本。

○维护并优化公司网站，使用 React & Django 将加载速度提升 30%。

○使用 Node.js & PostgreSQL 开发 Content Management API，实现公司新闻、艺人资料和电影详情的自动化内容更新。

○使用 Google Analytics 落地 SEO 与性能监控，使页面排名提升 20%。

○技能关联：Business Research and Software Design。

○技能关联：Finance and Business。

○技能关联：Databases and Data Analysis。