夕阳 — AI 产品经理作品集

你好，我是夕阳。北京交通大学软件工程硕士，喜欢折腾 AI 产品，热衷参加各类行业活动，相信好产品来自真实场景里的反复打磨。

经历

行至智能军工 AI · A 轮 2025.03 — 2025.09

AI 产品经理

大模型微调平台核心功能设计

用友网络上市公司 2023.11 — 2024.11

B 端产品实习生

B 端费控产品功能迭代与数据驱动优化

腾讯科技大厂 2023.08 — 2023.11

产品实习生

亚运赛事战报实时配置与热点运营

成就

🥈

检索挑战赛亚军· 科大讯飞 2025.10

RAG 场景下 Query-文档相关性判断

针对 RAG 检索增强生成场景，设计 Query 与长文档段落的相关性排序方案，最终排名第二

🥉

CIKM AnalytiCup 季军· 阿里巴巴 2025.10

多语言电商搜索相关性判断

面向跨境电商场景，对多语言 Query 与商品标题进行语义相关性建模，全球数百支队伍中取得季军

硕士研究

面向堤防管涌监测的 DAS 识别方法研究——基于分布式光纤传感与深度学习的管涌事件实时检测。

《面向堤防管涌监测的DAS识别方法研究》

北京交通大学 · 软件工程硕士学位论文

独立完成数据处理、模型设计、实验对比、论文撰写全链路

论文整体技术路径

从堤防现场信号采集，到模型识别与定位的完整方法链路。点击节点查看解释图

→ → → →

堤防现场分布式光纤布设示意 — **分布式光纤布设** 通过沿堤防铺设传感光纤，把传统点式监测扩展为长距离连续监测，为后续模型识别提供空间连续的振动数据。

DAS 监测原理图 — **DAS 解调** 利用 DAS 设备采集 Φ-OTDR 回波变化，将堤防不同位置的振动扰动转换为多通道时序信号。

多通道特征拼接示意 — **多通道信号输入** 选取 11 个相邻物理通道和 3 个频段，拼接成 33×5000 输入，让模型同时学习时间变化和相邻位置之间的关联。

多尺度一维卷积架构图 — **MS 1-D CNN 特征提取** 通过 9、17、33 三种卷积核分别捕获短时突变、中等波动和长时趋势，提高对管涌振动特征的表达能力。

MS 1-D CNN-Transformer 模型架构 — **Transformer 识别定位** 在多尺度卷积之后引入 Transformer Encoder，建模长时序依赖关系，完成管涌事件二分类和空间定位。

核心贡献

多通道输入利用 11 个相邻物理通道 × 3 个频段，形成 33×5000 多维输入。模型不只判断单点振动，还能学习相邻位置之间的空间关联。
多尺度卷积设置 9、17、33 三种卷积核，分别提取短时突变、中等波动和长时趋势特征，适配管涌信号持续时间不固定的问题。
Transformer 后端用 Transformer 替代 BiLSTM，通过自注意力机制建模长时序关系。在低信噪比场景下，识别结果更稳定。

关键实验数据

主盲测集 F1 0.9940 本文模型取得最高识别效果

-5 dB 强噪声条件下完整对比

模型	Recall	F1
1-D CNN	0.1700	0.2876
MS 1-D CNN-BiLSTM	0.3240	0.4894
1-D CNN-BiLSTM	0.6000	0.7426
MS 1-D CNN-Transformer 本文	0.8960	0.9382

强噪声下，本文模型 F1 达到 0.9382，明显高于第二名 1-D CNN-BiLSTM 的 0.7426。

我在现场

路演、分享、交流——保持对行业的参与感。

Trae SOLO 黑客松

360 纳米视频生成分享

43Talks 圆桌论坛

PEC2025 创新大会

腾讯科友汇

杭州环球黑客松

Trae Friends MeetUp

43Talks 圆桌论坛

工具使用

Figma

Cursor

Claude Code

Dify

Codex

SQL

Axure

Coze