构建融合文本与图像特征的情感分类模型，使用BERT提取文本嵌入，ResNet-50处理图像，通过注意力机制融合多模态表示。在公开数据集上达到F1 0.89，较单模态基线提升5%。与两名同学协作完成消融实验和超参调优，撰写实验报告并投稿至校学术会议。此外，针对数据不平衡问题引入加权损失函数，进一步优化模型在少数类上的召回率，最终在跨模态验证集上表现稳定，为后续多模态研究提供了可复用的基线框架。

设计基于图神经网络的知识推理问答系统，使用PyG构建关系图卷积网络，结合预训练BERT编码问题。在WebQuestionsSP数据集上实现准确率72.3%。独立完成数据预处理、模型训练与评估，与组员讨论优化路径，输出详细技术文档和可复现代码库。同时，针对复杂多跳查询引入路径注意力机制，增强模型对实体间长程依赖的捕获能力，在消融实验中验证了该模块对推理准确性的贡献，最终成果被整理为技术报告用于海外院校申请材料。