实习研究员
Microsoft Core AI
帝国理工的硕士独立研究正在微软 Core AI 组推进。现在做的是本地 KYC/AML 政策助手: 回答要带出处，最后仍由人来判断。
关于 / 01
用证据做工程
我关注模型怎么进系统，也关注系统最后能不能站得住。
我在伦敦，帝国理工应用计算科学与工程硕士在读，目前在 Microsoft Core AI 做实习研究员。
我在意的不是把模型堆上去，而是它到底能不能放进明确的边界里: 能不能本地跑，检索能不能回看出处，实验能不能复现，结论有没有说过头。系统最好把假设讲清楚，出错也要停在人还能接手的地方。
最近主要在做本地 RAG、计算机视觉和校招邮件流程自动化，也一直在做科学计算方向的训练。这个作品集会把项目进度分开写: 做到哪里，就写到哪里。
经历 / 02
实习、研究和学历
正在做的事放这里，学历只写有据可查的部分。
现在
端侧 KYC/AML RAG Copilot
微软 Core AI 实习研究员
帝国理工硕士研究，在微软 Core AI 组以实习研究员身份推进：给 KYC/AML 分析师做一个能在本地跑的政策助手。答案要带出处，最后仍由人审。
阅读案例过往经历
AI/NLP 开发工程师
EveryDay Learning · MHR × 诺丁汉大学
参与 AI 学习应用的核心流程，把“文章入库—问题生成—选择题构建—7 天复习调度—学习记录回写”串成完整链路，直接服务 Android 端 Quiz 模块。
学历
应用计算科学与工程硕士
帝国理工学院
应用 AI、科学计算、数值方法和软件工程。上面的研究也算在这个学位里。
计算机科学学士
诺丁汉大学
本科计算机科学。学位等级是一等。
能力 / 03
系统、模型、评估
这些能力都能在下面的项目里找到对应，不靠百分比撑场面。
- 01
应用 AI 与可追溯的 RAG
做本地推理、混合检索和引用核对；证据不够就停下来，不拿模型猜测代替判断。
微软 Core AI 实习研究 · KYC/AML - 02
科学计算和优化
在仿真约束里做优化，先看结构成不成立，再用受控实验比较方案。
遗传算法回路优化课程作业 - 03
机器学习和数据管道
把数据、预处理、指标和绘图收成能复用的一套工具，方便把实验持续做下去。
风暴预测机器学习课程作业 - 04
并行和性能
写 C++20 / OpenMP 工具，也会认真看运行时间和校验本身值不值得做。
回路优化工作流 - 05
软件工程和评估
把类型边界、命令行入口和测试收稳，也把目标和真正测到的结果分开写。
作品集、视觉原型和研究评估
项目 01—06
精选项目
这六个项目，基本就是我这段时间最投入的几类问题: 本地 AI、计算机视觉、企业 AI/NLP 产品、校招邮件、科学机器学习和优化。
端侧 KYC/AML RAG Copilot
帝国理工硕士研究，在微软 Core AI 组以实习研究员身份推进：给 KYC/AML 分析师做一个能在本地跑的政策助手。答案要带出处，最后仍由人审。
- Python
- Microsoft Foundry Local
- Local SLM
- Hybrid RAG
- Sentence Transformers
ArUco + MediaPipe 手部跟踪
视觉原型：标定后的 ArUco 位姿、MediaPipe 手部关键点，再用卡尔曼滤波合在一起，能实时看，也能把实验数据记下来。
- Python
- OpenCV
- MediaPipe
- NumPy
- Pandas
校招收件箱 Agent
给自己用的校招邮件助手。126 转发到 Outlook 之后，它会把邮件整理成申请进度、日历提醒和每日简报；模型只负责理解内容，不直接动数据库、日历或发信。
- Python
- FastAPI
- LangGraph
- LangChain
- Azure OpenAI
EveryDay Learning AI 学习应用
企业 AI/NLP 项目。把用户收藏的文章整理成题目、选项和 7 天复习任务，接进 Everyday Learning 的 Android 学习流程。
- Python
- PyTorch
- Hugging Face Transformers
- T5
- AWS Lambda
风暴预测
九人课程作业。800 个示例风暴，四项任务；数据、指标、预处理和提交收在同一个 Python 包里。
- Python
- PyTorch
- scikit-learn
- Hugging Face
- NumPy
遗传算法回路优化
C++20 团队作业：回路仿真、遗传优化、结构检查，再用固定种子扫一批，方便复现。
- C++20
- CMake
- OpenMP
- Python
- Genetic algorithms
联系 / 05
可以聊聊
如果你在看软件工程、AI/ML、应用研究、科学软件或数据方向的候选人，可以找我聊聊。
公开简历里有邮箱和 GitHub，没有电话，也没有内部项目编号。