Mingrui Li

📍 Project 1：抖音兴趣关系方向-画风分析与 LLM 搭建

1. 完善平台化建设：将散落于离线产出与一次性分析中的兴趣关系识别、查看、白盒解释能力，沉淀为可复用的平台工具，降低协作成本，增强策略可解释性。
2. 推进画风分层与 UGC 挖掘：为提升兴趣建关，针对召回样本进行年龄分层抽样、完成千级 Case 标注，搭建内容社交价值分层体系，识别具有高讨论潜力的 UGC，为策略提供精准内容侧依据。
3. 业务成果：基于模型输出 reason 与 case 纠偏优化大模型效果；画风分层标签接入链路后，负向过滤使兴趣关系问卷准确率稳定在 79%–82%，并向主队列、朋友页、评论区、搜索等多场景输出。

📍 Project 2：抖音群聊业务（搜索意图识别与策略优化）

1. 核心目标：负责抖音群聊卡搜索核心场景的评估效果与模型迭代，提升分发精准度、减少无效曝光。
2. 规则与策略迭代：制定搜群意图判定标准与分发逻辑，明确不同意图下的卡片排位规则；结合先验特征与用户后验行为搭建评估框架，完成 5000+ 群聊卡人工数据纠偏。
3. 业务成果：通过搜索满意度评估、人工评审与 Bad Case 反馈驱动算法迭代，持续优化召回准入与排序打散策略，显著改善群聊卡分发准确率。

收获与沉淀

• 跨团队协作：与推荐算法、数据团队紧密协同，快速成长，完成从策略设计到算法落地的闭环。深入理解关系识别与挖掘路径，熟悉 GNN、subgroup、U2I / U2U 等常见召回链路。
• AI 工具实践：SQL、AB Test、LLM 评测、Benchmark 构建及 Vibe Coding 等工具的实际应用能力提升。