针对电商场景设计图文跨模态检索方案，使用CLIP提取图像和文本特征，通过对比学习训练双塔模型，在公开数据集上Recall@10达到82.5%。独立完成数据清洗、模型训练与评估，使用Faiss构建索引实现毫秒级检索，并撰写详细技术文档供团队复用。同时优化数据预处理流程，将训练效率提升20%，并设计多组消融实验验证不同负采样策略对检索精度的影响，最终形成可复用的检索pipeline。

基于预训练模型BERT进行小样本场景下的文本分类优化，尝试Prompt-tuning和原型网络两种方法，在20个样本/类的设定下准确率提升12%。负责实验代码编写、超参数调优和结果可视化，整理对比实验报告并提炼出适用于低资源场景的调参策略。此外，还探索了数据增强技术对模型泛化能力的影响，为后续项目提供了可复用的方法论和基线模型。