陈子昂 · 算法工程师

• 主导短视频信息流粗排与精排模型多期迭代，针对用户即时兴趣引入多模态特征交叉与在线学习框架，核心场景人均观看时长提升8.2%，CTR相对提升5.6%

• 面向亿级DAU下的推理延迟瓶颈，设计并落地结构化剪枝、知识蒸馏与量化感知训练的模型压缩方案，在不损失显著精度的前提下将精排推理耗时从37ms压缩至12ms，支撑高峰时段实时打分扩容

• 构建TensorFlow分布式训练与近线增量更新管线，通过特征淘汰与动态稀疏参数回收重构Embedding存储，训练吞吐量提升1.8倍，同时内存增长控制在15%以内

• 围绕长期留存与多样性优化，提出混合目标多任务学习结构，收藏、分享等深层互动指标分别相对提升3.1%和4.7%，并推动统一模型复用到开屏、Push等非信息流场景

• 针对城市高峰供需严重错配与司机空驶，主导设计基于强化学习的动态定价策略，将司机接单行为建模为长期价值优化目标，上线后区域高峰订单撮合率提升12%、司机小时收入提高8%

• 针对跨区域调度滞后，构建多尺度时空预测模型，融合图卷积与Transformer捕捉复杂出行需求演化，实现15分钟粒度区域供需预测准确率92%，为前置调度提供可靠信号

• 融合运筹优化与批量流式匹配，重构智能派单引擎，以全局接驾距离与乘客等待时长为联合目标求解，使乘客平均接驾时长缩短18%，空驶率降低6个百分点

• 将算法服务化部署至实时决策系统，通过模型蒸馏与特征预计算将定价-调度链路延迟控制在50毫秒以内，稳定支撑平台日均千万级出行订单的动态决策

• 带领3人算法小组推进定价-调度联合优化，沉淀可复用的离线仿真与在线验证框架，推动该方向从单点策略迭代到全局协同，促成平台GMV季度环比增长9%

• 针对搜索相关性弱、长尾查询匹配差，主导构建基于XGBoost的排序学习（LTR）框架，设计Query-Item多维文本相关性特征与用户实时意图特征，将长尾Query的NDCG@20提升8.1%

• 从用户搜索行为、商品质量与语义匹配等维度设计并落地分层特征工程体系，引入预训练语义向量与类目层级交叉特征，推动搜索首位CTR提升2.9%，无结果率下降22%

• 搭建搜索质量评估闭环，建立融合人工标注与离线指标（MRR、NDCG）的迭代基线，指导分词、实体识别等NLP模块优化，使“不满意”反馈率降低18%

• 针对大促场景引入Query意图预测与商品销量趋势特征，动态调整排序权重，在保障相关性的前提下，大促期间搜索导购成交额同比增长4.5%

• 面对某社区新业务零推荐引擎挑战，作为项目负责人带领3人团队从架构设计入手，3个月内主导搭建了涵盖多路召回、DeepFM精排与重排的全链路推荐系统，稳定承载百万级DAU

• 设计并实现多路召回策略，融合物品协同过滤与基于用户行为序列的Embedding向量召回，长尾内容曝光占比提升18个百分点，A/B实验大盘CTR提升12%

• 针对点击、完播、互动等多目标冲突，在DeepFM排序中引入MMOE多任务学习结构进行联合优化，全量后人均使用时长提升10.1%，核心点击指标显著增长

• 建立正交分层的A/B测试与评估体系，通过多组实验迭代验证策略效果，推动全量上线，次日用户留存率相对提升5.3%，并落地实验管理工具供团队复用

• 构建Embedding离线增量训练及近线更新管线，将特征时效由T+2缩短至小时级，支撑实时行为召回，新内容冷启动曝光效率大幅提升40%

• 针对某出行平台广告场景，主导构建千亿级稀疏特征体系，融合用户实时行为、上下文及广告属性，使特征覆盖率提升40%，为模型效果突破奠定基础

• 采用逻辑回归并基于FTRL优化算法实现在线学习框架，将模型更新延迟从小时级压缩至分钟级，支撑日均亿级请求下的实时预测与动态调优

• 基于Spark MLlib搭建分布式特征工程与模型训练管线，单轮全量训练时间由6小时降至1.5小时，显著加速模型迭代

• 通过在线A/B实验持续调优，推动广告点击率（CTR）相对提升18%，带动平台广告收入增长25%，模型上线后零重大线上事故

• 从零主导任务型对话系统架构设计，基于BERT构建意图识别与槽位填充联合模型，引入Focal Loss应对长尾意图，意图识别F1达91.3%，覆盖超40个业务意图

• 设计并实现多轮对话管理引擎，结合上下文记忆网络与有限状态机策略，支撑复杂任务下的可靠状态追踪与拒识兜底，任务完成率提升至87%

• 针对线上高并发需求，实施BERT模型蒸馏至轻量BiLSTM并通过ONNX Runtime部署优化，单节点QPS从120提升至2100，P99延迟降至15ms以内

• 建立数据主动学习闭环，设计不确定性采样与人工复核机制，在标注成本降低60%的条件下保持模型月度迭代，线上对话解决率稳定在88%以上

• 推动对话系统接入智能客服与实时营销等产品线，支撑日均300万+次对话交互，助力人机协作下客户满意度提升12个百分点

推荐算法重构带来核心指标超预期增长

算法竞赛奠定扎实的数据结构与算法功底

在多模态理解赛题中获得高精度解决方案