从竞赛场到推荐系统线上
ABOUT · 自我介绍
我是陆晨舟，华中科技大学网络空间安全学院计算机技术方向硕士，2027 年 6 月毕业，研究方向是推荐系统与 LLM 应用。两段实习各踩过一次工业界的坑：在云犀科技首页信息流推荐组，把点击模型从样本重构到 AB 放量完整跑了一遍；在蓝语智能做大模型落地，把意图理解做成可上线的工单分流系统。我喜欢「用毫秒换体验」这件事——把召回引擎 P99 延迟从 45ms 压到 29ms，和把模型 AUC 提高 0
研究方向
推荐系统 / LLM
大厂实习
2 段 · 14 个月
竞赛成绩
Kaggle 全球 12 名
一作在投 1 篇
核心量化成果
KEY OUTCOMES
0.741 → 0.759
点击模型离线 AUC
三轮迭代
重构多目标精排模型的样本结构与特征交叉，加入行为序列特征与位置去偏模块，离线 AUC 稳步提升 0.018。
云犀科技
+6.2%
线上点击率 CTR
AB 实验全量上线
设计两周观察窗口的 AB 实验，CTR 相对提升 6.2%、人均停留时长 +3.1%，评审通过后全量上线。
45ms → 29ms
向量召回 P99 延迟
召回引擎优化
重调 HNSW 索引参数并批量化召回链路，P99 延迟下降 35%，支撑峰值 QPS 提升 1.8 倍。
78% → 91%
LLM 意图分类准确率
few-shot + 蒸馏
用 few-shot 提示构建意图分类流水线，再蒸馏至 1.8B 小模型上线，准确率提升 13pp、推理成本下降 28%。
蓝语智能
第 12 名 / 4,300+
Kaggle 推荐赛道
+6.2%
实习项目线上 CTR 相对提升
云犀科技精排模型全量上线后的两周 AB 观察数据
0.759
点击模型离线 AUC
从 0.741 基线三轮迭代提升 0.018
29 ms
向量召回 P99 延迟
从 45ms 优化而来，支撑 1.8 倍峰值流量
LLM 意图分类准确率
few-shot 构建 + 蒸馏部署，从 78% 提升 13pp
全球 12 名
Kaggle 推荐赛道
4,300+ 支队伍，负责召回与重排模块
2 段 · 14 个月
大厂算法团队实习
推荐与大模型各一段，均有项目全量上线
实习与研究经历
EXPERIENCE
推荐算法实习生（首页信息流组）
北京云犀科技有限公司
2026.03 - 2026.09
进入首页信息流推荐组，负责点击模型迭代与向量召回优化，与资深算法工程师、业务产品直接协作，项目经评审后全量上线。
精排模型迭代：离线 AUC +0.018，线上 CTR 相对 +6.2%
向量召回引擎 P99 延迟 45ms → 29ms
实习评级优秀，获得转正录用意向
大模型应用实习生
杭州蓝语智能科技有限公司
2025.06 - 2025.12
加入 AI 客服产品线，负责 LLM 意图理解与工单分流链路，从提示词实验、数据构造到蒸馏部署全流程落地。
意图分类准确率 78% → 91%，人工转接率下降 19%
7B 模型蒸馏至 1.8B，单会话推理成本 -28%
沉淀提示词模板与评测集，被组内两个项目复用
网络空间安全学院 · 研究生助教（数据结构）
华中科技大学
2024.09 - 2025.07
负责本科生数据结构课程 120 人的习题课与实验批改，同时承担实验室异构图召回开放课题的学生负责人。
习题课满意度 4.8 / 5.0
开放课题一作论文初稿投出 CCF-B 会议
专业技能
SKILLS
机器学习
PyTorch
XGBoost / LightGBM
特征工程
多目标优化
去偏学习
推荐系统
双塔召回
精排模型（DIN / DIEN）
HNSW 向量索引
AB 实验设计
冷启动策略
LLM 与工程
提示工程
模型蒸馏
RAG 链路
vLLM 部署
数据构造与评测
编程与工具
Python
能力雷达：算法工程师的六个维度
自评基于两段实习与竞赛实绩，面试可逐项展开
推荐建模
工程落地
大模型应用
数据分析
竞赛算法
业务理解
教育背景
EDUCATION
计算机技术 · 工学硕士（推荐系统方向）
华中科技大学
2024.09 - 2027.06（预计）
研究方向为推荐系统与 LLM 应用，GPA 3.8 / 4.0，实验室开放课题一作论文在投 CCF-B 会议。
国家奖学金（2025）
ICPC 亚洲区域赛银牌
Kaggle 推荐赛道全球 12 名
软件工程 · 工学学士
大连理工大学
2020.09 - 2024.06
数据结构、机器学习、分布式系统主干课程全 A，毕业设计为校园二手书个性化推荐系统，获评优秀。
省优秀毕业生
校程序设计竞赛一等奖
ACM 校队队员
实习与科研项目节点一览
01 精排模型 · 样本重构与特征迭代
02 精排模型 · AB 实验与全量上线
03 召回引擎 · HNSW 索引与链路优化
04 LLM 客服 · 意图体系与提示流水线
05 LLM 客服 · 蒸馏模型部署
06 异构图论文 · 评审意见修改与重投
07 毕业论文 · 多目标推荐框架
从竞赛到工业界的成长里程碑
2020
第一次系统接触数据结构与算法竞赛，加入校 ACM 队。
2022
作为主力队员五小时解出 7 题，坚定走算法方向。
2023
第一次接触真实规模推荐数据，确定推荐系统为研究主线。
2024
研究方向聚焦推荐系统与 LLM 应用，同年获国家奖学金。
2026
精排模型 CTR +6.2%，完成第一段「上线验证过」的算法工程师履历。
代码仓库与其他联系渠道
LINKS
GitHub
luchenzhou-ml（含实习脱敏项目与竞赛方案）
lu-chenzhou-ml
陆晨舟 Lu Chenzhou · Recommendation Algorithm
面试邀约与联系
CONTACT
欢迎 HR 与技术团队负责人来电或加微信，简历 PDF、GitHub 仓库与项目复盘资料可即时发送；2027 届硕士，毕业前可全职实习，2027 年 7 月起正式入职。
推荐算法 / LLM 应用
华中科技大学计算机硕士应届，两段大厂推荐与大模型团队实习，精排模型线上 CTR +6.2%，LLM 意图准确率 78%→91%，Kaggle 推荐赛道全球 12 名。
luchenzhou.ml@outlook.com
18513276042
lu-chenzhou-ml
北京市海淀区
海淀区中关村（面试可约海淀区或线上）
工作日晚间与周末可电话 / 视频面试，实习时段请提前一小时预约
luchenzhou-ml
陆晨舟 Lu Chenzhou
联系方式
电话：18513276042
微信：lu-chenzhou-ml
邮箱：luchenzhou.ml@outlook.com
地址：海淀区中关村（面试可约海淀区或线上）
位置：北京市海淀区
营业时间：工作日晚间与周末可电话 / 视频面试，实习时段请提前一小时预约