大模型算法工程师简历模板

• 负责7B基座模型继续预训练与SFT数据体系搭建，清洗对齐语料约1.2TB，领域评测集准确率提升至82%。
• 主导RLHF偏好数据标注与DPO训练，客服机器人人工转接率由21%降至13%，单次会话成本下降约30%。
• 搭建LoRA微调与vLLM推理服务流水线，单卡吞吐提升1.8倍，支撑日均50万次调用稳定运行。

• 负责文本分类与信息抽取算法研发，上线合同要素抽取服务，抽取F1由0.76提升至0.89。
• 基于BERT蒸馏构建轻量模型，推理耗时降低55%，在保持效果前提下节省GPU资源约40%。

• 构建20万条领域指令数据集并设计分阶段SFT+DPO训练，评测集胜率较基线提升约22%。
• 引入RAG与多轮改写pipeline，知识问答准确率提升至86%，上线后人工客服工单量下降约25%。

• 结合INT8量化与KV Cache优化，将7B模型单卡部署显存占用降低约40%。
• 完成容器化推理服务与灰度发布流程，P99延迟控制在300ms以内，支撑3个业务方接入。

研究方向为自然语言处理，参与实验室文本理解与预训练模型课题。

主修数据结构、机器学习导论、数据库系统，CET-6。