前沿算法研究与创新方案设计
持续跟踪LLM、Agent、多模态融合等前沿AI研究，筛选出能够提升传统ML/DL项目性能的关键技术
结合汽车金融业务场景，设计创新的算法优化方案
撰写技术调研报告，分析新技术与传统方法的优劣，明确改进潜力
实验设计与效果验证
独立设计对比实验，严格控制变量，验证新方案在准确性、鲁棒性、可解释性等方面的提升幅度
利用统计检验和误差分析，深入探究模型改进的内在原因，形成严谨的实验结论
对于Agent或LLM应用，设计多维度的自动化评估指标（如工具调用成功率、推理链条正确性、生成内容相关性等），确保评估的全面性
工具链驱动的自动化优化落地
在方案验证有效后，利用MLFlow、LangFuse、Opik等工具将实验流程标准化，实现模型/Agent的全链路追踪、自动化评估和版本管理
搭建“评估-分析-优化”的闭环：通过追踪数据识别效能瓶颈，迭代算法或提示词，并持续监控优化效果
必要时参与数据清洗、特征工程、模型微调等具体开发，确保方案与真实业务数据兼容
知识沉淀与团队赋能
将研究过程中发现的方法论、最佳实践沉淀为内部文档或技术分享，推动团队整体技术视野的提升
鼓励将优秀成果转化为论文、开源项目或技术博客，与社区共同成长