马悠然

• 参与 AI 面试官产品迭代开发，协助与客户沟通完善需求，配合完成 PR 评审、联调与测试，按节奏交付前后端功能。
• 负责面试流程优化，在模拟环节补充录音时长与静音检测逻辑，完善提示与重试引导，减少误操作带来的无效录音。
• 完善面试语音系统，推动 GPT 先分句加服务端兜底的断句切分方案，按 8 至 25 词粒度输出 TTS 分块，并补充 10 组模拟回答测试，支持首句就绪后优先播报，提升长回答场景下的流式输出平滑度。
• 负责构建数据整合面板，实现统计卡片、面试列表、热门榜单及配套 API，支持面试记录分页查询、多条件筛选，并结合数据库索引与查询优化提升统计接口性能，减少全量数据加载带来的传输与渲染开销，提升页面响应速度和用户体验。

• 参与公司物料管理系统研发，将旧版 Web 操作界面迁移至基于 Qt/C++ 的 PDA 应用，支持扫码录入、物料接收与库位流转等核心流程，提升产线作业便捷性。
• 对 C++ 请求和响应处理进行模块化封装，对接遗留 API，沉淀可复用交互组件，提升跨模块协作效率，加速系统迭代。
• 协助 Spring Boot 后端开发，补充业务逻辑、数据库访问与接口文档，配合前端联调并负责功能说明；多次参与需求调研，并与生产部门协作梳理流程细节，支持功能迭代落地。
• 参与前端部署交接，配合完成后端阿里云环境的测试验证与上线准备，保障系统试运行与交付。

技术栈 Vue 3, Vite, Rails RESTful API, PostgreSQL, GitHub Actions, Heroku

• 在 4 人 Scrum 团队中担任 Tech Lead，基于 Vue 3、Rails RESTful API 和 PostgreSQL 开发云顶之弈阵容管理与推荐平台。
• 设计数据模型与 Rails MVC 接口，参与后端开发，为阵容检索与浏览提供服务端筛选、分页和索引优化，缓解数据规模增长带来的查询压力与页面卡顿。
• 负责前端核心功能开发，实现阵容搜索、编辑与推荐等功能，并通过语义化标签、 ARIA 与键盘导航提升网站可访问性。
• 参与 GitHub Actions 的 CI/CD 流程建设，接入 RSpec 与 Cucumber 测试，完成 Heroku 部署并集成 Google OAuth 与 SMTP 邮件能力。

技术栈 C++, CUDA, Python

• 基于 PyTorch C++ 扩展与 CUDA 实现 Scaled Dot-Product Attention 前向计算，完成 naive、tiled 和 fused Softmax 加 P@V 三类自定义 kernel，并编写测试与绘图脚本，系统比较不同优化策略的性能收益。
• 针对注意力计算的两个阶段，引入 shared memory tiling 和 warp-level reduction 两类优化，并设计融合 Softmax 加 P@V 的 kernel，减少中间内存访问开销。
• 使用 Python 构建正确性校验与性能测试流程，在 RTX 2060 SUPER 环境下对多组输入完成 benchmark，最佳自定义实现相较 CPU baseline 取得约 3 倍加速。