郭家鸣

出生年月：2000年8月5日
性别：男
邮箱：yiyeliangxia@163.com
住址：河南省开封市
博客：http://121.41.79.111 or http://saberwode.github.io

教育背景

2018.09-2022.09
合肥大学
计算机科学与技术（本科）

核心优势

技术背景：2年科大讯飞前端开发经验，主导和参与多个高复杂度项目，擅长性能优化与大数据场景下的技术实践
AI关联性：深度参与数据埋点、用户行为分析与性能优化，对用户下一步要去往的页面进行预测，实现数据预加载
学习能力：自学掌握Vue3+TS，node前端技术栈，研究扩散模型、图像生成等AI领域知识

工作经历

2022.07-2024.06
单位：科大讯飞
职位：Web前端开发
工作内容：
● 负责i知否企业智能学习平台PC/H5端开发，重构考试流程组件，减少操作步骤30%，日均效率提升25%
● 主导招生考试项目组开发与任务规划，基于Vue2+TS实现埋点分析、性能优化，支撑万级数据实时展示

2021.12-2022.03（实习）
单位：安徽易迈金工业科技有限公司
工作内容：
● 独立完成Vue3+TypeScript+Element-UI项目模块开发

科研实践

技术演进理解：AE → VAE → DDPM → LDM（Stable Diffusion核心架构）

项目一：DDPM图像生成复现

核心实现:

构建高斯扩散过程,反向过程优化
实现马尔可夫链反向过程，在CIFAR-10数据集上训练50 epoch后生成清晰花朵图像
可视化训练过程发现：前20 epoch学习图像轮廓，后30 epoch补充细节纹理

项目二：Stable Diffusion文本生成图像

核心实现:

复现Stable Diffusion核心流程，理解其如何通过VAE压缩图片到潜在空间（64×64），再在低维空间进行扩散生成
对比实验：在像素空间（DDPM）与潜在空间（LDM）分别训练，验证LDM节省75%显存
VAE编码-解码过程，观察潜在空间保留了语义信息（如猫的轮廓）但丢弃像素细节
使用unet神经网络计算去除的噪声

关键认知：

从AE到DDPM再到LDM的进步，从优化过拟合问题到性能处理
VAE的核心作用：把图片转换成轻量化的语义密码
文本引导的本质：通过CLIP模型将文字描述映射到潜在空间坐标系

项目经验

项目一：i知否管理端

技术栈：Vue2、Element-UI、TypeScript、微前端
成果：

重构文件系统实现多端复用
优化万级考试数据实时展示性能

项目二：i知否H5端

技术栈：Vue3、Element-Plus、TypeScript
成果：

完成移动端报名缴费全流程开发
适配多机型显示效果

项目三：招生考试管理系统

技术栈：vue2、element-ui、typescript
成果：

主要负责项目的构建以及系统前端方向的功能规划以及功能开发
权限校验动态路由开发
项目埋点，分析用户行为、维护处理报错信息
优化考生信息表渲染性能（虚拟滚动+分片加载），首屏加载速度提升50%
验证前端优化对后端计算压力的缓解作用