课程项目中基于校园二手交易脱敏日志构建推荐排序流程：负责特征抽取与样本划分，用TF-IDF与Embedding做物品表征，LightGBM完成排序baseline，并与两名同学协作调参。在固定时间切分的验证集上对比逻辑回归与GBDT，记录NDCG@10与AUC变化，整理消融实验和误差分析报告，针对冷启动样本补充统计特征后排序指标趋于稳定。

竞赛项目中面向商品标题做类目意图分类：用PyTorch搭建TextCNN与预训练模型微调两条基线，负责数据清洗、增强与验证集评估，和队友分工完成超参搜索与错误样本复盘。在官方划分的验证集上记录准确率与F1随学习率、批大小的变化，输出实验记录与后续优化方向，并针对长尾类目尝试加权采样以改善分类均衡性。