多模态算法工程师（视觉+语言）简历模板

• 主导视频号多模态内容理解系统重构，设计统一的视觉-语言表征学习框架，支撑日均10亿次视频检索请求，召回率提升25% • 研发跨模态检索增强生成(RAG)技术，融合图像、文本、音频多源信息，将视频标签自动生成准确率从72%提升至91%，人工审核成本降低65% • 构建十亿级参数多模态大模型训练基础设施，优化ZeRO-3并行策略与混合精度训练，将千卡集群训练效率提升至78%，单次训练周期缩短40% • 带领15人算法团队完成技术攻关，建立多模态算法评估体系与AB测试平台，推动6项核心技术在生产环境落地，累计创造商业价值超2亿元

• 负责百度图片搜索语义理解模块升级，引入CLIP模型实现图文联合Embedding，搜索相关性NDCG@10提升18%，月活用户增长12% • 设计多粒度视觉特征提取pipeline，结合ViT与ResNet优势，在ImageNet Top-1准确率达88.5%，超越基线模型3.2个百分点 • 开发跨模态相似度计算服务，支持亿级向量实时检索，P99延迟控制在30ms以内，QPS峰值达5万+ • 发表CVPR论文《Cross-Modal Attention Network for Fine-Grained Image-Text Matching》，引用次数超200次

• 参与人脸识别系统核心算法研发，优化ArcFace损失函数与特征对齐策略，在LFW数据集准确率达99.85%，通过公安部安全认证 • 开发视频动作识别模型，基于SlowFast架构实现时序建模，在UCF101数据集分类准确率96.3%，部署于智慧安防产品线 • 设计模型轻量化方案，采用知识蒸馏与量化感知训练，将模型体积压缩至原大小的1/4，推理速度提升3倍，成功落地移动端应用 • 申请发明专利《一种基于注意力机制的跨模态特征融合方法》等3项，其中2项已获授权

面向短视频平台的智能内容理解与推荐系统，融合视觉、文本、音频、弹幕等多模态信号，实现精准的用户兴趣匹配与个性化推荐

百度图片搜索引擎智能化升级项目，引入多模态预训练模型实现语义级图文匹配，支持以图搜图、文字搜图等复杂查询场景

细粒度图文匹配研究项目，针对电商、社交等场景提出新颖的跨模态注意力网络，解决局部区域对齐难题

研究方向：计算机视觉与多模态学习。GPA 3.9/4.0，专业排名前5%。博士期间发表CCF-A类论文5篇，获得博士研究生国家奖学金2次。担任CVPR、ICCV审稿人。博士论文《基于深度学习的跨模态语义理解研究》获评优秀博士学位论文。

GPA 3.8/4.0，保送研究生。获得全国大学生数学建模竞赛一等奖、ACM程序设计竞赛银牌。担任学生会科技部部长，组织黑客马拉松活动。

英伟达官方认证的深度学习专家资质，证明具备大规模分布式训练与模型优化能力

华为昇腾AI处理器开发者认证，掌握Ascend CANN架构与MindSpore框架使用

国际权威的计算机视觉专项证书，涵盖图像处理、目标检测、语义分割等核心技术

中国计算机学会颁发的专业技术会员资格，参与学术交流与技术标准制定