参与实验室内部文本分类与检索模型的迭代，协助导师完成数据清洗、特征构造和基线复现。用Python与PyTorch搭建训练脚本，在组内标注的约8000条样本上对比不同学习率与批大小，记录验证集F1变化并整理成实验日志。与数据标注同学对齐标签口径，协助修复两处特征泄漏问题；在内部测试集上模型准确率由0.81提升至0.86，相关脚本与说明文档沉淀为组内新成员参考材料。