技术研发工程师。关注大模型在真实任务中的可靠性：训练信号怎么设计，监督数据怎么构造，输出边界怎么界定。
Twitter-FMNERG 有 44 个细粒度类。按样本占比 5% 切开：seen 6 类，unseen 38 类。unseen 在训练集里没有任何带定位的样本，只有标签语义可用。
一条 GMNER 样本要同时标实体、类型和图像框，补标注很贵。但类别名字是已知的——模型知道 singer 对应什么样的人和场景。问题是：不加人标的前提下，怎么把这种先验变成实体、类型、文本、定位四者对齐的监督。基线 unseen F1 只有 2.80。
业务侧原来用 NL2SQL 做流水的多维下钻。模型只看得到扁平表，概念之间的关系、含税未税、日月粒度这些口径无处落。查询逻辑一旦定型，加维度或改口径就要大改。
立项问的是：本体能不能把业务语义带进运行时，替代这条 NL2SQL 链路。原方案 50 题 84%。错的基本是边界题——系统不会说「答不了」，硬给一个答案。
生成式搜索要从上游召回的视频里，选出最贴 query 的一条。模块近线跑，时延不是首要约束，评价质量优先。原方案走绝对打分，线上不稳，也没有可靠的偏好监督。
上游已经按相关性初排，这里每次只看前两个合法候选。要解决的是：固定帧预算下，怎么让模型同时读到片段内的变化和片段之间的叙事；以及用哪一种评价形式，成本才站得住。
生成式搜索把网上召回的内容总结成答案。召回偏好新鲜，新鲜不等于可信。「科比什么时候复活」这类梗会被写进总结——模型不是不知道人死不能复生，是检索到的证据压过了先验。
难点不在拦截。教程类 query 的好内容大多来自 UGC，一刀切会修好事实验询、毁掉生活查询。要分开的是「模型不知道」和「内容不可信」：假梗图该拦，知识截止之外的真事该放行。
多智能体规划原来靠行为树按规则匹配分支。态势一偏出预设，就只能继续补规则，规则之间还会互相干扰。
目标是让中控从「按规则查表」变成「按态势决策」：读全局态势，输出可自动校验的短指令，覆盖资源调度、冲突仲裁和全局策略切换。
合作方一期 GUI 交付慢，团队看不见仿真在跑什么，训练和联调被卡住。奖励出了问题，也只能从最终胜负往回猜。
阻塞点在别人的交付节奏上。已有 gRPC 接口能读到数据，解法可以放在自己能控制的范围内。
iDeer 聚合六个源的科研更新，按研究画像筛选、摘要、推送。维护者规划文档写明：桌面端用现有 HTML 加 PyWebView，并明确不建议第一阶段上 Tauri。
旧模板是服务端渲染的静态页。双语、主题、WebSocket 流式反馈、历史记录一旦加上，命令式 DOM 会越改越贵。文档里最硬的反对意见——Tauri 仍要管 Python 子进程——是成立的，得当成必须做厚的一层，而不是绕开。
Persona 5 卡牌相关的个人项目。没有现成脚手架，卡组、对局和发布链路都要从零做出来，并真正发到能给人玩的地方。
在 vibe coding 成为词之前，就已经把大模型当日常工具用，给自己做启动器一类的小东西。GitHub 上长期开着，不是为作品集临时补的。