瞿才应

P/01个人项目

SQL 数据分析 Agent 后训练

给 Qwen3-4B 做多轮 SQL 分析 Agent 的后训练，在 BIRD 上依次比较拒绝采样微调、偏好优化、大模型蒸馏和在线强化学习，每轮先写预注册再上 H20 跑，4B 的官方执行准确率从 49.5% 提到 57.9%。

• Agent 与评测模型在只读 SQLite 沙箱里先查表、试跑 SQL、看到结果再提交，评测按数据库隔离、全程看不到金标；判分比官方 EX 更严，主比较用按数据库聚类的 bootstrap 区间判定，结论不成立也照实记录。
• 离线训练发现只监督最终答案会把“先查再交”的习惯训没，改为对执行验证过的整条多轮轨迹做拒绝采样微调，再接 DPO；235B 老师先在开发集上证明比学生强 5 个点以上，才用来蒸馏、补到学生做不对的题上。
• 在线强化学习以执行结果为奖励做 RLOO，LoRA 每步热更新到 vLLM 采样端；对照里 FSDP2 全参数分布式版本反而比 LoRA 低 4.2 个点，在线蒸馏也没超过离线蒸馏；最终只在起点时对时错的边界题上训练，按更严的项目判分比起点再高 2.6 个点、过了预注册检验。

• Qwen3-4B
• LoRA
• 拒绝采样微调
• DPO
• RLOO
• FSDP2
• vLLM

图文讲解 GitHub 仓库 B 站讲解视频

P/02个人项目

短视频生成式召回、精排与曝光偏差评测

用快手开源 KuaiRand、KuaiRec 两份数据，以随机曝光日志和近乎全观测的用户 × 视频矩阵作对照，检验常规离线评测会不会把召回、精排模型的比较结论和点击率预估带偏；主评测的规则和模型组在开测试集前冻结。

• 生成式召回实现基于 RQ-VAE 语义 ID 和前缀树约束解码的生成式召回，与 SASRec、logQ 双塔对比；同一批用户、同一份推荐列表，只在别人实际被推过的视频里算命中，语义 ID 对双塔由领先 0.006 变为落后 0.032。
• 召回与精排在 KuaiRand 上构建 ItemCF、logQ 双塔等 4 个召回和 DCN-v2、DIN、MMoE 等 7 个精排模型；召回差距到随机曝光上大幅压缩（logQ 双塔对双塔的 Recall 比由 2.61 降到 1.23，仍排第一），精排 21 对差距变化都未检出显著。
• 校准与去偏模型在随机曝光上整体高估、越冷门高估越多，按热度分组 Platt 校准后 7 个模型的 LogLoss 都低于全局 Platt；补充实验里 LightGBM 训练集混入约 5% 随机曝光数据，随机曝光测试 UAUC 提高 0.026。

• PyTorch
• RQ-VAE 语义 ID
• SASRec
• LightGBM
• DCN-v2
• DIN
• MMoE
• 双塔召回
• logQ
• 概率校准

图文讲解 GitHub 仓库

P/03个人项目

Mini 秒杀高并发下单系统

聚焦秒杀下单主链路，解决库存不超卖、用户不重复下单、瞬时流量不打穿数据库。

• 下单链路Redis Lua 原子预扣库存，MySQL 唯一索引兜底，订单经本地消息表和 RabbitMQ 异步落库，Redis 宕机时宁可拒单也不超卖。各轮压测零超卖、零重复下单，售罄尾部 p99 由 98 ms 降到 12 ms。
• 多实例库存协调进程在预扣和落库之间被暂停或强杀时，库存不丢也不多退，醒来的旧节点过不了租约和版本号校验。同机三个 JVM 注入 9 个故障与负载场景，全部通过，协议多出的 Redis 往返也已压回改造前水平。
• 性能瓶颈入口线程大多卡在等数据库连接，我没有扩连接池，而是削减入口的同步 SQL，单实例入口稳定档由 3000/s 提到 4000/s。换到独占云服务器后又定位到 RabbitMQ 发布端 channel 缓存不足，调整后由 3500/s 提到 4000/s。

• Java 17
• Spring Boot 3
• Redis Lua
• RabbitMQ
• MySQL
• k6

图文讲解 GitHub 仓库

P/04课题组研究项目

成本约束下的机器学习选股与滚动验证

研究机器学习选股扣除交易成本后还剩多少超额。在沪深全 A 上做 2020–2024 年滚动样本外回测，冻结的方案现在每天收盘后跑模拟盘。

• 数据与回测样本保留 245 只区间内退市股，只用当时可见的数据；账本按 T+1、涨跌停、停牌和整手逐笔成交。市盈率、市净率数据抽查发现可能含未来信息，按事先定的规则，183 个因子里的估值因子整组弃用。
• 检验与结论10 个量价特征加成本约束的简单方案，样本外日秩 IC 0.086，扣除成本后年化信息比率只有 0.41。因子库加均值方差组合的复杂方案在块 bootstrap 检验下没有显著跑赢它（p = 0.84），按看结果前写定的规则冻结简单方案，2025 年保留期只开一次。
• 归因与模拟盘自建风险模型归因显示，开发期超额主要来自低特质波动、低流动性两个风格，分数剔除行业和风格后 IC 只剩约四分之一。模拟盘每天收盘后由云端定时任务运行，交易代码用哈希锁定，记录只追加，日报逐日拆解风格贡献。

• Python
• pandas
• LightGBM
• BH-FDR
• Clarabel
• BaoStock

图文讲解 GitHub 仓库 B 站讲解视频

P/05个人项目 · 已上架 Agensi 技能市场

AI 编程用量看板

读取本机 Claude Code、Codex 会话日志，按请求去重后汇总多账号的用量、估算成本和输出速度，只用 Node.js 内置模块、可离线演示；按修改时间跳过统计窗口外的日志，本机汇总由约 8 秒降到约 3 秒，并打包成单文件 Agent Skill。

• Node.js
• Agent Skill
• 日志解析
• 请求去重
• 成本估算

GitHub 仓库 Agensi 技能页