伦敦大学学院 (UCL) | MEng计算机科学
| 09/2020 – 06/2024
Unify | 创始工程师(AI/ML与全栈)
| 04/2025 – 至今
- AI助手通信:设计并搭建了支撑AI助手的全渠道通信架构——语音通话、多平台消息(Slack、Microsoft Teams、Discord、WhatsApp)、邮件以及应用内聊天/通话——集成 Twilio、LiveKit、各平台机器人框架与第三方 API。
- 实时会议参与:通过 Recall.ai 桥接,实现AI助手以真实参会者身份加入 Google Meet 与 Microsoft Teams 会议——参会者追踪、双向屏幕共享、会中聊天与自动退出。
- 声纹识别与通话录制:实现了带声纹标注的说话人分离,通过逐句嵌入聚类区分共用同一麦克风的多位说话人;并完成通话录制/导出,以及与语音对齐的转录文本和应用内回放。
- AI桌面与浏览器控制:构建了基于视觉(VLM)的电脑操作智能体,可在远程 Ubuntu、Windows 与 macOS 桌面上自动执行任务,并提供可通过 CLI 安装的客户端以接入用户自有设备。
- 组织功能支持:在个人工作区之上构建了多租户组织功能——成员管理与邀请、支持自定义角色的权限控制(RBAC)、所有权转移,以及项目/资源共享。
- 第三方集成:设计了可复用的 OAuth 集成框架与连接器,支持按助手粒度的连接/断开流程。
- LLM 界面:构建了浏览器内的开发环境——终端(流式输出、回滚缓冲、Tab 补全)、支持实时执行的代码编辑器,以及基于 CodeSandbox 的持久化文件系统并同步 Google Drive。
- Tech Stack: Python, TypeScript, Node.js, React.js, Next.js, FastAPI, PostgreSQL, Docker, Kubernetes, GCP, LiveKit, Playwright, Git
Petronas | 机器学习工程师(数据科学)
| 09/2024 – 03/2025
- 端到端的模型开发与部署,涵盖数据分析、模型训练、超参数调优、模型选择以及在 Azure 上的云端部署。
- 使用线性模型、决策树、随机森林、XGBoost 以及轻量梯度提升机(LGBM)。
- 管道外部腐蚀:机器学习. 构建了管道外部腐蚀深度与长度预测模型,准确率 >90%。
- 管道悬空段建模:机器学习. 构建了海底管道高度与长度预测模型,准确率 >70%。
- HIP: 计算机视觉. 通过 YOLO 目标检测、姿态估计以及结合 GPT-4o 的 vLLM 实现作业人员检测;并进行提示词工程以提升推理表现。
- Tech Stack: Python, MLFlow, Docker, SQL, Azure, SonarCloud, DevOps, Git
Unify | 机器学习工程师(全栈)
| 06/2022 – 02/2024
- Ivy ML Models: 应用组长. 带领团队在4个月内将ML模型库从零扩展至15+,涵盖用于业务展示的计算机视觉与NLP基础模型。
- Ivy Transpiler: 引入了原生编译功能,用于优化ML模型性能。
- Model Hub: 全栈. 负责构建客户端应用与 API 密钥身份验证。
- Console Application: 云开发. 参与 v0 开发与 API 网关授权。
- Ivy Framework: 软件工程. 统一了 PyTorch、TensorFlow、JAX 与 NumPy 的函数接口,使其可通过单一库调用;所有代码亦可直接兼容原生库。
- Tech Stack: Python, C++, Nvidia CUDA, AMD RocM, Tailwind CSS, Node.js, React.js, Next.js, TypeScript, Fast API, Flask, Prisma, Alembic, SQL, Docker, GCP, AWS, Git, Transformers, Linux
UCL | 音乐用生成性人工智能
| 09/2023 – 04/2024
- 综述:学术论文. 研究了图像与音乐生成的现有技术,其中多数为文本条件生成。
- 概述:学术论文. 开发了基于扩散模型的音乐条件图像生成AI,以及基于 Transformer 的图像条件音乐生成AI 的概念验证(POC)。
- Tech Stack: Python, Pillow, NumPy, SciPy, PyTorch, Transformers, Diffusers, Matplotlib, Git
UCL | 编程语言的网络分析
| 11/2023 – 01/2024
- 应用 PageRank 和 HITS 来分析进化网络中的关键驱动因素。
- 用模块化分析了网络的社区结构。
- Tech Stack: Python, NetworkX, NumPy, Matplotlib, Git
UCL | 投资组合管理中的多代理强化学习
| 01/2023 – 04/2023
- 探索了不同RL算法在竞争与合作MARL设置中的影响。
- 算法:Advantage Actor-Critic (A2C)、Deep Deterministic Policy Gradient (DDPG)、Proximal Policy Optimisation (PPO)
- Tech Stack: Python, OpenAI Gym, Stable Baselines 3, Pandas, Git