博士求职简历（企业研发岗）范文

在搜索算法组独立负责图文混合检索的召回侧优化，与 2 名正式工程师协作。

• 把博士阶段的跨模态对齐方法迁移到线上召回链路，离线召回率 71%→84%，线上灰度 CTR 相对提升 6.2%（对照组 5% 流量，观察 2 周）
• 针对线上推理耗时不达标的问题，用双塔蒸馏把单次推理从 46ms 压到 12ms，满足 20ms 的链路预算后方案才被允许上量
• 输出内部技术文档 3 篇，方案已被另一条业务线复用

负责商品图像去重模块的重构。

• 用感知哈希 + 向量召回两级过滤替换原有全量比对，日处理量 800 万图，耗时从 6 小时降到 40 分钟
• 误杀率从 1.8% 降到 0.4%，上线后由业务侧持续使用

导师：某教授（多媒体计算方向）

• 研究方向：跨模态表征学习与检索
• 博士期间以第一作者发表 CCF-A 类会议论文 2 篇

加权 3.86/4.00，专业排名 8/180，保研至上海交通大学直博。

• 针对长尾类目样本稀缺，提出以类目原型引导的负样本采样策略
• 在两个公开数据集上相对最强基线提升 4.1 与 3.6 个百分点，代码已开源（GitHub 320+ star）

• 该工作的工程版本即为实习期间线上使用的方案，推理耗时下降 74%
• 论文与线上结论一致，可提供离线复现脚本

专利号可在面试时提供；另有 1 项发明专利处于实质审查阶段。

均为第一作者或第二作者，完整列表见个人主页。

多模态表征、对比学习、向量检索、模型蒸馏与量化；熟悉召回-粗排-精排的完整链路划分与各环节评估口径。

Python / PyTorch 熟练，可独立完成分布式训练（8 卡以内）与推理服务部署；熟悉 Faiss、ONNX Runtime、Triton 推理服务。

能独立设计离线评估集与线上 A/B 方案，含样本量估算与显著性判断；SQL 熟练，可自行完成埋点数据清洗。

英语可作学术报告与英文技术文档写作（雅思 7.0）。

博士三年级获得。

入围最佳论文提名（提名比例约 2%）。