Selected Work

项目

这里收录四项已经形成代码、实验或完整技术文章的工作。每个项目都从实际问题出发， 记录方法选择、实现过程与可验证的结果。

4

项目

3

技术方向

3

代码仓库

GitHub 课程笔记 知识图谱

原画：David《The Coronation of Napoleon》

01SpecDec Context ScalingAI Infra 02Guizhou GraphRAGLLM / Retrieval 03Market SentimentNLP / ML 04Big Data Hands-onData Engineering

01

AI Infrastructure · Systems Experiment

SpecDec Context Scaling

研究原型

研究问题

在 8GB 消费级 GPU 上，投机解码能否在保持输出分布正确的同时取得真实端到端加速？

关键发现 Draft forward 是主要瓶颈

冻结配置下，0.5B 草稿模型的独立前向开销抵消了接受 token 带来的收益。

方法

块验证、KV Cache 回滚、CUDA Graph、接受率诊断与 draft-free oracle。

环境

RTX 4060 Laptop 8GB，Qwen2.5 target/draft 组合。

• PyTorch
• Qwen2.5
• Speculative Decoding
• CUDA Graph
• KV Cache

项目解读 算法教程 GitHub

02

LLM Application · Hybrid Retrieval

Guizhou Statistical Indicator GraphRAG

可运行项目

应用问题

将用户的口语化查询稳定映射到贵州统计年鉴中的真实指标，并给出可解释的召回依据。

检索结果

89.58%Top-1

100%Recall@5

94.44%MRR@5

方法

别名纠错、关键词与向量混合召回、知识图谱扩展、规则排序和可选 Cross-Encoder 精排。

工程

Flask 服务封装检索流程，NetworkX 管理指标关系，评测脚本输出排序指标。

• GraphRAG
• NetworkX
• Embedding
• Cross-Encoder
• Flask

项目文章 GitHub

03

NLP · Classification Pipeline

Stock Market Sentiment Classification

完整实验

建模问题

对金融社交文本进行负面、中性、正面三分类，并改善类别之间不均衡的识别效果。

最终模型

0.7467Accuracy

0.7470Macro F1

方法

从 TF-IDF 与 Word2Vec baseline，迭代到 DistilBERT + LoRA，再使用 XGBoost 完成最终分类。

分析

比较训练曲线、类别 F1 与混淆矩阵，并围绕难分类样本调整数据平衡和损失函数。

• DistilBERT
• LoRA
• XGBoost
• TF-IDF
• Macro F1

项目文章 GitHub

04

Data Engineering · Course Practice

DSAI4205 Big Data Hands-on

课程实践

实践目标

用统一的数据任务理解单机 DataFrame、延迟计算、分布式 RDD 与 SparkSQL 的差异。

覆盖范围 4 类数据处理工具

Pandas、Dask、Spark RDD 与 SparkSQL，配合 PageRank 和 NoSQL 概念。

内容

数据清洗、分区、转换与行动算子、SQL 查询、图计算和分布式执行模型。

产出

配套教程、Notebook、示例数据和课程资料索引，便于按章节复现。

• Pandas
• Dask
• PySpark
• SparkSQL
• PageRank

动手教程 课程导览