张逸轩 · Algorithm Engineer

• 主导搜索排序模型从LR+GBDT升级为注意力双塔深度网络，融合商品标题语义与用户实时行为序列特征，上线后移动端搜索点击率相对提升6.8%，成交转化率提升4.2%。

• 构建推荐特征工程闭环，设计上线200+维用户多窗口行为与商品属性交叉特征，驱动离线AUC提升3.5%，推荐入口GMV季度环比增长8.3%。

• 基于TensorFlow实现搜索排序训练加速与模型热更新，将全量训练时长由12小时压缩至2.5小时，支撑每日多轮迭代与策略优化。

• 搭建搜索推荐A/B实验分析平台，主持40+组排序策略实验，沉淀出从特征筛选、模型增益评估到全量发布的标准流程，推动全年搜索GMV累计提升15.2%。

• 主导客服意图识别升级，基于预训练语言模型与PyTorch重构意图分类与槽填充联合模型，多领域意图识别准确率达94.7%，槽位F1达90.2%，驱动机器人自助解决率绝对值提升9个百分点。

• 设计序列记忆网络的多轮对话状态追踪与策略管理，跨场景任务完成率从63%提升至81%，错误恢复交互轮次平均减少2.3轮。

• 通过结构化剪枝与知识蒸馏将模型体积压缩至1/5，保持精度97%+，推理延迟降至12ms，支撑日均千万级调用。

• 搭建Transformer与图神经网络的上下文理解实验范式，统一单轮/多轮意图训练流程，将新场景意图冷启动周期由3周缩短至1周。

• 主导设计基于PyTorch与C++的混合并行训练框架，融合数据、模型、流水线并行策略，突破显存与通信瓶颈，支撑单模型规模达3000亿参数，端到端训练吞吐较社区最优方案提升2.1倍，成为部门统一训练底座。

• 针对千卡集群训练可用性仅92%的痛点，研发弹性容错与动态扩缩容机制，实现故障自动恢复，平均恢复时间<3分钟，全年可用性提升至99.5%。

• 自研通信与算子库，通过NCCL调优、梯度稀疏压缩及计算-通信重叠，将千亿模型单轮耗时降低42%，单季度实验量从200次增至500+次，加速策略迭代。

• 构建模型并行透明工具链，屏蔽分布式细节，提供一键并行脚本，新模型接入耗时从2周降至3天，已赋能推荐、广告、搜索等10余条业务线。

• 针对万亿级稀疏特征实时训练，设计分布式Embedding子系统，结合参数服务器与GPU缓存，日均PB级数据下读写延迟<0.5ms，支撑核心特征近实时更新。

• 作为算法团队负责人，从零组建10人团队打造云端AutoML平台，集成大模型微调、评估与部署，提供Java SDK与低代码编排，将典型方案交付周期从60天压缩至7天，上线首年落地金融、零售等领域60+客户。

• 主导模型优化引擎，引入量化感知训练、算子融合与动态批处理，在指标无损前提下将大模型推理延迟降低70%，单卡吞吐提升3倍，降低客户算力成本，带动月均活跃付费客户增长35%。

• 构建全链路MLOps体系，打通特征存储、实验追踪与模型注册，迭代速度从周级提升至日级，月实验量超500次，上线模型缺陷逃逸率下降40%。

• 提炼行业需求，打造金融核保、零售导购等低代码方案，通过模板与拖拽将概念验证周期从4周缩至1周，推动平台ARR突破2000万元，客户留存率超90%。

• 针对大促批处理推荐延迟高、个性化弱，主导基于Flink的实时推荐引擎重构，全链路延迟从分钟级降至300ms以内，实现实时感知与即时响应。

• 构建流式样本拼接与在线学习环路，整合多源实时数据流，实现模型小时级增量更新，上线后CTR相对离线日更提升11%，大促峰值GMV同比提升8%。

• 设计实时热度与短期兴趣信号，融合双塔召回与轻量级排序模型，新商品冷启曝光效率提升2.3倍，热门商品库存消耗均匀度优化25%。

• 推动引擎灰度到全量发布，支撑亿级用户高并发推理，服务P99延迟<50ms，全年零重大故障。

• 主导千万级日活流式多轮对话平台架构，针对流式语音断句模糊与意图跳变，提出低延迟增量解码与动态注意力掩码，平均语义理解延迟<80ms，端到端流式P99<120ms。

• 将意图识别与槽填充模型基于TensorRT INT8量化部署至T4，单卡实现2000+QPS，推理成本降低60%，支撑春节期间日调用峰值3亿次。

• 构建流式上下文管理与状态追踪，引入自适应记忆压缩与长程分片，在50款混合部署场景中长会话准确率提升9.8%，服务可用性达99.99%。

• 搭建全链路流式压测与灰度体系，开发延迟拆解工具与自动退化策略，平台覆盖7条核心产品线，合作业务次日留存平均提升1.2pp。

• 主导设计基于Kubernetes的统一多模态训练平台，抽象文本、图像、语音三类数据流与编排接口，构建统一Pipeline，新模态接入成本由周级降至2天。

• 引入弹性扩缩容与GPU拓扑感知调度，融合梯度累积、混合精度、ZeRO-3优化，将千卡多模态预训练集群利用率从62%提升至89%，等效年省数百万计算成本。

• 自研多维训练加速引擎，针对图文对比与语音-文本联合建模，通过算子融合与通信计算重叠，全局Batch吞吐提升3.2倍，30B模型训练由14天压缩至5天。

• 构建覆盖预训练、SFT、RLHF的端到端微调工作流，沉淀标准化适配模块，支撑5条业务线30+场景模型研发上线周期缩短60%。

• 打通框架与MLOps体系，统一元数据，推动多模态模型迭代由月级提升至周级，孵化3项跨模态标杆案例。

因对话理解系统突破获得公司级技术创新肯定

多轮对话状态追踪研究成果获国际顶会认可

在商品推荐赛道以深度排序模型夺得冠军