针对高分卫星影像中的建筑物与道路分割任务。背景：传统分割算法在复杂光照下效果不佳，模型泛化能力差。我的任务：设计并训练改进型U-Net网络，引入空洞卷积和注意力机制。工具/方法：基于PyTorch框架，使用Focal Loss缓解类别不平衡，并采用随机旋转、裁剪和亮度调整进行数据增强。协作对象：独立完成模型搭建、训练与调参。最终结果：在40%测试集上mIoU达到69.2%，较基线U-Net提升5.3个百分点，推理速度满足1秒/帧的实时要求。

构建中文新闻标题自动生成系统。背景：小样本场景下通用生成模型容易重复或偏离主题。我的任务：选用预训练GPT-2中文模型，收集3万条财经新闻-标题对，设计基于生成式RAG的方法，使用的关键技术包括：TF-IDF检索相似新闻段落作为提示，配合基于困惑度的修剪机制。协作对象：与同组同学讨论知识库构建和模板设计。最终结果：在BLEU-4和ROUGE-L指标上分别达到28.3和41.7，生成标题在人工评测中相关性和流畅性符合预期。