课程项目中独立设计检索增强生成流程，围绕课程知识库问答任务，使用Python、Sentence-BERT与FAISS完成文档切分、向量检索与提示拼接，并对比有无检索两种设置。在自建200题课程测试集上人工评估答案相关性，检索增强后可用回答比例由约52%提升至74%；同时记录失败案例并撰写实验报告，说明样本口径与评估局限，为后续大模型问答研究积累可复现的实验基础。

校园AI竞赛中带领3人小组完成图文匹配任务，负责数据划分、基线复现与结果汇总。使用PyTorch与CLIP特征提取，在竞赛公开验证集约1千对样本上比较零样本与线性探针两种方案，后者Top-1匹配率提升约9个百分点；组织每周进度同步与代码评审，按期提交技术报告与答辩材料，并整理实验日志供组内复盘复用。