南京理工大学 · 计算机科学与技术 · 学术型硕士（在读）
2024.09 – 2027.03
Education
南京信息工程大学 · 计算机科学与技术 · 工学学士 / 荣誉学士
2020.09 – 2024.06
Experience
百度 · 创新搜索策略组（算法）
搜索内容理解、多模态重排序、生成式搜索事实校验
2025.11 – 2026.02
- 主导 百度搜索场景下“基于故事图的多模态重排序算法”设计，围绕视频内容理解、查询意图匹配与搜索排序质量优化开展工作。
- 基于视频 ASR / OCR 结果，通过 MRC 聚类生成转场点，并以带剪枝的密度算法补全关键时间戳；进一步抽取对应画面，融合文本、视觉与上下文元数据构建“故事图”实体。
- 设计多维度评分指令与投票机制，构建高质量偏好对数据集并微调 VLM；相关算法已上线于百度搜索首页结果，推动用户留存率、视频跳点率等核心指标优化。
- 参与 基于 ReAct 的搜索召回结果事实校验算法，围绕用户满足度、结果冗余度、信息完整度等七大维度开展质量评估，并执行时间一致性、事实相关性和多信源交叉验证，降低生成式搜索幻觉风险。
中科院软件所 · ××领域××项目（算法）
2025.05 – 2025.11
Projects
面向多模态命名实体识别与视觉定位的数据合成方法研究
多模态大模型、数据增强、低资源信息抽取
- 针对社交媒体新实体涌现快、人工标注成本高的问题，提出自动化数据合成方法，用于低成本扩充 GMNER 训练数据。
- 设计并实现数据合成框架，结合多模态大模型理解与生成能力、传统数据增强及 Mask-and-Fill 策略，自动生成包含新实体且语义合理的图文对数据。
- 实验表明，该方法可有效提升下游 GMNER 模型性能。
多模态命名实体识别与视觉定位框架 HTL
Google T5 / OFA / VinVL / LLM Bridge
- 设计并实现 HTL（Hybrid Textual-visual Locator）流水线框架，用于从图文对中自动抽取实体、类型及其在图像中的视觉目标，形成规范三元组。
- 将复杂 GMNER 任务拆分为多个子任务，综合运用 Google T5、OFA、VinVL 等预训练模型，并引入 LLM 作为桥接模块，增强实体信息丰富度与视觉定位精度。
- 整体方案体现了在 多模态信息抽取、任务拆解与模块协同设计 方面的能力。
MiniLangModel：基于自注意力机制的小型自然语言模型
PyTorch / 自注意力 / 文本生成
- 使用 PyTorch 基于一定规模小说文本训练小型语言模型，实现自注意力机制在自然语言生成中的应用。
- 完成可变窗口分词、双向词典构建、位置编码设计与编码序列处理，通过堆叠自注意力层提取语义特征，实现语义较连贯的按序文本生成。
基于 CNN 的人脸识别系统
Python / PyTorch / ResNet
- 针对人脸识别场景，使用 Python 与 PyTorch 搭建 ResNet 网络，实现较高正确率识别。
- 独立完成开发，系统掌握神经网络数学基础、PyTorch 使用方法与模型搭建流程。