参与实验室内部文本分类与检索增强问答的辅助研发。背景是组内知识库检索命中率偏低，我负责在导师指导下清洗约8000条内部问答样本、整理标注规则，用Python与HuggingFace完成基线模型微调，协助搭建TF-IDF与向量召回对比实验。与算法工程师和产品实习生协作，跟进需求拆解与每周结果复盘，输出实验记录与误判案例文档。在固定测试集（1200条，人工标注口径）上，协助优化的召回方案使Top5命中率由基线提升约9个百分点。