UP简历小U

+86 138-XXXX-XXXX|xiaou.upresume@example.com|北京

个人总结

资深多模态模型工程师，专注于文本、语音、图像等多源数据融合与协同建模。在深度学习、自然语言处理、计算机视觉领域拥有扎实理论基础与丰富实践经验，擅长构建高效、可扩展的跨模态理解与生成系统。致力于将前沿AI技术应用于实际业务场景，以创新性解决方案推动产品升级与用户体验优化，具备卓越的问题解决能力和团队协作精神。

工作经历

高级多模态AI工程师

字节跳动

2021-07 - 2024-03

主导短视频内容理解的多模态融合项目，负责设计并实现文本、语音、视觉特征的深度融合模型，将视频分类准确率提升8.5%，显著优化推荐系统效果。
负责跨模态生成式AI模型的研发与落地，成功将文生图、文生视频等技术应用于广告创意生成，提升广告点击率15%，降低内容生产成本20%。
优化多模态检索系统，引入对比学习与度量学习策略，使图文搜索召回率提高10%，排序准确率提升6%，有效支撑亿级用户的内容发现需求。
参与开源大型多模态预训练模型的迭代与性能优化，贡献核心代码模块，提升模型训练效率25%，降低推理延迟18%。
指导初级工程师进行模型训练与部署，组织内部技术分享会，推动团队技术能力共同进步。

项目经历

多模态情感识别系统

个人项目

2023-01 - 2023-06

项目背景：针对在线教育场景，开发一套能够综合分析学生面部表情、语音语调和文本内容的多模态情感识别系统，以评估学生学习状态。
个人角色：项目负责人，负责整体架构设计、模型选择与实现、数据预处理与结果分析。
技术栈：采用TensorFlow/PyTorch构建CNNs（视觉）、LSTMs（语音）和Transformers（文本）模型，通过注意力机制进行特征融合。
项目成果：在自建数据集上，系统情感识别准确率达到88.7%，并能有效区分高兴、中性、悲伤、困惑等4种主要情感状态。
价值体现：该系统为未来智能学习伴侣的开发提供了技术基础，有望提升在线学习体验和效果。

基于深度学习的图像描述生成

清华大学（硕士期间）

2020-03 - 2021-02

项目背景：旨在实现对图像内容的自动、准确描述，提升人机交互体验和视觉障碍人士的信息获取能力。
个人角色：核心算法设计与实现者，负责模型选型、训练、评估及优化。
技术栈：基于Encoder-Decoder架构，编码器采用预训练的ResNet-101提取图像特征，解码器采用LSTM生成序列文本，并引入Attention机制。
项目成果：在COCO数据集上，BLEU-4指标达到32.5，CIDEr指标达到98.1，相比基线模型提升15%。
价值体现：该项目成果为图像理解与自然语言生成领域的融合提供了有效实践，并在学术会议上发表相关论文一篇。