课程项目中负责中文新闻分类任务，组织3人完成数据标注检查、基线模型对比与实验记录；采用PyTorch与预训练语言模型微调，统一随机种子后在固定测试集评估。通过数据增强与学习率调参，测试集宏F1由0.82提升至0.87，并封装推理脚本与实验报告，在课堂答辩中获评优秀。过程中整理错误样本并分析混淆类别，补充数据清洗规则与训练日志，使实验可复现、结果可追溯，也积累了模型调优与团队分工协作的经验。

个人项目围绕校园信息查询场景开发对话智能体原型，设计意图路由与工具调用流程，使用Python与开源大模型接口实现课程、场馆查询等5类工具；自建120条模拟对话样本测试，任务完成率约85%，平均响应约2秒。整理失败案例并补充兜底回复，形成可复现的实验记录与说明文档。后续针对多轮上下文丢失问题加入会话状态管理，并对比不同提示策略对调用准确率的影响，逐步完善评测脚本与错误分类，为后续扩展更多工具与场景打下基础。