林若溪 · Artificial Intelligence Instructor

• 主导构建千万级用户实时推荐系统，基于用户行为序列与物品属性设计大规模稀疏特征，融合LR+FM深度模型，CTR预估准确率提升12%，人均浏览时长增加18%。

• 针对冷启动与长尾物品推荐难题，提出融合内容画像与协同过滤的混合召回策略，基于Spark实现全量离线训练与特征回填，冷门物品曝光率提升25%，整体推荐覆盖率突破80%。

• 搭建基于Python+Spark的特征工程自动化平台，抽象80+原子特征算子，支持可视化配置与一键上线，将特征迭代周期从3天压缩至4小时，加速业务实验。

• 工程化部署模型增量更新与在线A/B实验框架，保障日均10亿级请求下99.9%服务可用性，并沉淀《大规模推荐系统工程实践》内部讲义，成为团队技术演进基线文档。

• 主导基于BERT的对话理解技术研究，提出知识图谱增强的意图识别与槽填充联合模型，以第一作者在ACL/EMNLP等顶会发表论文3篇，单篇引用超200次。

• 攻关低资源场景下的对话生成，设计基于对比学习的少样本微调方案，将新领域冷启动所需标注样本量降低60%，成果入选NAACL口头报告。

• 将前沿算法重构为轻量化推理引擎，成功落地集团级智能助手“T-Assist”，支持多轮任务型对话，日均交互量超50万次，任务完成率提升至87%。

• 搭建内部NLP实验平台，沉淀数据清洗、预训练到部署评测的全流程Pipeline，编写技术规范5篇，指导2名实习生分别发表顶会Workshop论文。

• 从零组建5人算法工程团队，统筹智能客服与内容安全双业务线，建立双周迭代与代码评审机制，半年内交付率提升40%，团队产出3项内部工具获集团推广。

• 主导多模态内容审核平台架构设计与落地，融合CV与NLP策略，日均处理商品图文超200万条，违规内容召回率提升至99.4%，人工审核量降低70%。

• 重构智能客服系统意图识别与多轮对话模块，基于TensorFlow自研轻量化NLP模型并实现端侧部署，将用户自助解决率从61%提至85%，年均节省人工客服成本约480万元。

• 设计模型部署流水线，将图像审核模型推理延迟压缩至50ms以内，压测保障大促期间服务可用性达99.99%，平稳支撑亿级用户场景。

• 建设技术人才梯队，通过定向项目实战与内部技术分享，一年内培养2名骨干晋升，并沉淀模型选型与工程化方法论供集团推广。

• 主导重构集团AI课程体系，将工业级NLP/CV与推荐系统实战转化为6大模块、40+标准化案例库，课程上线首年即覆盖学员3000+，满意度达96%。

• 基于PyTorch设计并主讲《深度学习与工业AI实战》核心课程，独立开发课件、实验环境与自动化评测平台，累计授课超1200学时，学员企业内推成功率较往期提升30%。

• 从零搭建集团首个大模型与多模态AI实训实验室，统筹GPU集群选型、私有化部署及容器化实验平台，支撑500+学员并行实训，资源利用率稳定在85%以上。

• 担任AI竞赛总教练，以项目制管理指导学员参与国家级/省部级赛事，累计获一等奖4项、二等奖7项，完成12个可落地的开源智能应用项目。

• 推行“讲师-工程师双师制”教学管理模式，梳理20+企业真实场景项目流水线，推动教学案例与工业实践周度同步迭代，教研产出复用率提高50%。

• 坚持技术布道，策划组织30+场线上线下公开课与高校巡讲，累计触达听众逾5万人次，孵化学员主导的开源仓库获Star超2k，有效提升集团技术品牌影响力。

凭借自主研发的深度学习实战课程体系与突出教学效果获得一等奖。

因学员满意度与科研指导成果突出，获评集团最高教学荣誉。

博士论文在语义理解与对话生成领域提出创新框架，获此奖项。