课程项目中负责推理加速模块，针对开源7B模型在单卡A100、batch=4、序列长度256的测试环境下，对比原始解码与KV Cache量化方案的吞吐和显存。使用PyTorch、vLLM和bitsandbytes实现4-bit量化与分页缓存，编写自动化评测脚本。与两位同学协作完成消融实验和误差分析，输出实验报告。在测试集上吞吐提升约18%，显存占用降低约22%，并定位量化后长序列精度下降问题。

个人项目构建简历文本与岗位JD的匹配流程，使用TF-IDF和Sentence-BERT提取特征，在自建500对样本上评估相似度排序效果。设计标注规则并人工复核误判案例，对比不同特征融合策略的NDCG@10。使用Python、scikit-learn和sentence-transformers完成开发，独立完成数据清洗、模型调参和结果分析。