设计并实现基于CLIP的多模态图文检索原型系统，使用FAISS构建高效向量索引，在10万级图文对数据集上实现Top-5准确率92%。独立负责图像特征提取与文本编码的联合调优，通过对比学习损失函数改进跨模态对齐效果，使检索召回率提升5%。与两名同学协作完成数据清洗、评估指标定义与消融实验，系统性地对比了不同预训练模型（ViT-B/32、ResNet-50）的检索性能。

基于BERT和原型网络构建小样本意图分类模型，在公开数据集上达到5-shot 83%准确率，较基线提升7%。采用数据增强策略（回译、随机替换）扩充支持集，并系统对比欧氏距离与余弦距离对分类边界的影响，发现余弦距离在低样本场景下更优。负责实验日志记录与超参数配置管理，输出详细技术报告，包括模型结构图、训练曲线与消融实验分析，为组内后续小样本学习研究提供了可复现的基准与经验。