[WeeklyReports] 2026.02.23~2026.03.09 马年新春版 第二次周报收集

[Echo-Nie]

Note

周报提交 DDL: 2026.03.09 晚 23:59
请各位学员在本 issue 下以 comment 的形式填写周报摘要，格式示例如下：

### 姓名

xxx

### 本双周工作

1. xxx
 

### 详细周报链接：

https://github.com/PFCCLab/xxx

Important

提交的周报文件命名为：[WeeklyReport] 2026.02.23~2026.03.09，只接收 .md 文件格式

PR标题规范命名为：[WeeklyReport] GithubID 2026.02.23~2026.03.09

完成情况

请各营员完成周报提交后，在评论中回复简要周报，完成情况：

• @aotenjou
• @LanCole
• @SidusAntares
• @Aidenwu0209
• @2560925365-ux
• @Carousel126
• @lllijinggg1110-rgb
• @inaniloquentee
• @BayesianAura
• @maodiesama
• @MerlinSMQWQ
• @tjujingzong
• @OctoberPrayRain
• @wwaawwaaee
• @Khoray
• @seasameye
• @gravel-01
• @cvbret
• @chengchen512
• @HZ1ovo
• @lywlyw2004
• @darkerkiller
• @ClaireJunc
• @xcq-code

其他

1. 对于周报提交有问题或不清楚的可以先参考： 周报提交指南
2. 提交周报的仓库目录： Reports/horse year/
3. 可以参考其他同学的前几期周报： Reports

[xcq-code]

姓名

徐慈强

本双周工作

1. 文档示例代码修复

完成了 PaddlePaddle 文档链接修复任务（No.23）。

2. 完成 Paddle 本地编译

按照官方流程完成 Paddle 源码拉取与本地编译，熟悉了依赖环境配置与源码构建流程。

3. 完成 FastDeploy 本地编译

完成 FastDeploy 本地编译与基础验证。通过对比 Paddle 与 FastDeploy 的构建过程，初步理解了训练框架与推理部署框架在工程结构及依赖管理上的差异。

详细周报链接

https://github.com/PFCCLab/Starter/blob/main/Reports/horse%20year/xcq-code/%5BWeeklyReport%5D%202026.02.09~2026.02.22.md

[ClaireJunc]

姓名

ClaireJunc

本双周工作

1. 参与 GraphNet 热身打卡活动（Issue #370），完成 swin_t（Swin Transformer Tiny）模型计算图的抽取、验证与提交
2. 编写抽取脚本 swin_t_extract_test.py，使用 graph_net.torch.extract 完成计算图提取
3. 通过 graph_net.torch.validate 验证通过，已提交 PR：#653

详细周报链接

https://github.com/PFCCLab/Starter/blob/main/Reports/horse%20year/ClaireJunc/%5BWeeklyReport%5D%202026.02.23~2026.03.09.md

[tjujingzong]

姓名

刘京宗

本双周工作

1. API 兼容性增强（启航计划）：完成了 paddle.poisson 接口的升级改造，通过在框架层增加参数别名支持，实现了与主流框架（PyTorch）的用法对齐。
2. 文档同步更新：同步修订并提交了 paddle.poisson 的中英文官方文档，确保接口变动后的说明文档与示例代码准确无误。
3. 转换工具适配：在 PaConvert 转换工具中新增了 torch.poisson 到 paddle.poisson 的映射逻辑，进一步完善了从 PyTorch 到 Paddle 的代码自动化迁移能力。

详细周报链接：

#843

[darkerkiller]

姓名

刘宇航

本双周工作

参与 GraphNet 热身打卡活动，成功完成 PyTorch 框架下 resnet18 模型计算图的捕获与抽取。
编写并提交了自动抽取脚本 extract_resnet18.py，熟练掌握了 graph_net.torch.extractor 的核心 API 调用及输入张量的构造逻辑。
完成了本地 Validation API 验证，确保样本完全符合 GraphNet 的 8 项数据集约束规则。
已向 PaddlePaddle/GraphNet 官方仓库提交了新增模型样本的 PR。

详细周报链接：

#844

[wuhaostudio]

姓名

吴浩

本双周工作

1. PaddlePaddle API兼容性增强：

   • 认领并新建PaddlePaddleAPI兼容性增强任务No.246 & No.247

2. GraphNet 新手任务：计算图收集:

   • 已提取并上传T5Gemma-2-270m-270m 模型的数据图

未来计划

1. 向【GraphNet】提交更多的计算图sample数据，完善多模态模型提取算子。
2. PaddleOCR + ERNIE 高价值开源项目案例征集

周报详细链接： #849

[chengchen512]

姓名

陈铖

本双周工作

1. FastDeploy 编译与验证：在双卡V100环境下完成编译，修改了 kernel_traits.h 等算子文件，并成功通过 Python 脚本验证 GPU SM 70 架构识别。
2. PaddlePaddle 文档链接修复：解决了动态 RNN 设计文档中的失效外链问题，并将图片引用优化为相对路径。
3. GraphNet 计算图收集：完成了 pplx-embed-v1-0.6b 模型的计算图提取及静态抽取脚本的编写。

详细周报链接：

#846

[aotenjou]

姓名

白玉韬

本双周工作

1. PaddleOCR错题本项目REST API实现。
2. 硅基流动PaddleOCR API与官方API对比试验。

详细周报链接：

#847

[SidusAntares]

姓名

SidusAntares

本双周工作

1. FastDeploy编译

2. Graghnet计算图收集

详细周报链接：

#848

[HZ1ovo]

姓名

韩芷依

本双周工作

1、FastDeploy 编译
成功完成初次、二次编译，安装 whl 包并跑通单测。已发送证明邮件。

2、【GraphNet 热身打卡】计算图收集
完成了基于 torchaudio 的 wav2vec2_base 模型的计算图抽取，已提交PR：#669

3、issue 管理
针对 PR 所暴露的问题，优化了 issue 信息，参与 PR review 工作。

详细周报链接

[WeeklyReport] HZ1ovo 2026.02.23~2026.03.09

[lllijinggg1110-rgb]

姓名

李婧

本双周工作

1. 完成 paddle.special.digamma API 开发，支持动态图、静态图及 out 参数。
2. 修复代码冲突并根据评审意见简化了 API 导出路径。
3. 补全单元测试以提升 out 参数的代码覆盖率。
4. 同步提交 PaConvert 映射及 Docs 文档 PR。

详细周报链接：

#852

[Chloris-001]

姓名

唐瑾薇

本双周工作

1. 热身打卡任务2：Paddle 本地编译，邮件已通过
2. 开发 Dify Ops Toolkit（https://github.com/2560925365-ux/dify-ops-toolkit）- 通过数据库直连实现 Dify 工作流自动化部署，填补平台 DevOps 能力空白

详细周报链接

#853

[OctoberPrayRain]

姓名

十月祈雨

本双周工作

1. API 兼容性增强（启航计划）

   • 完成 torch.real() 的 Paddle API 兼容性方案并提交 PR（待审核合入）
   • 推进 paddle.real() 的 C++ 下沉增强方案
   • 修订 paddle.real() 英文官方文档

2. 个人项目优化（PaddleOCR 学习与应用）

• 系统学习 PaddleOCR 流程与工程化落地思路（检测/识别/部署）
• 结合原型阶段对比评估，最终采用大模型 API（实现，降低接入成本并快速完成可用闭环

详细周报链接：

#854