自然语言处理研发工程师简历模板

• 负责企业级智能问答系统的大模型微调与RAG链路建设，问答准确率从78%提升至90%。
• 主导推理服务优化，引入vLLM与量化方案，单次响应成本下降40%，P99延迟降至300ms。
• 搭建文本数据清洗与指令数据生产流程，累计产出高质量训练样本80万条。

• 负责内容审核文本模型研发，覆盖垃圾广告与违规文本识别，召回率提升9个百分点。
• 基于BERT完成多标签分类与情感分析模型迭代，线上F1由0.82提升至0.89。
• 参与模型服务化与A/B实验，支撑日均千万级文本请求稳定运行。

• 设计检索增强生成方案，结合向量召回与重排序，答案命中率提升至92%。
• 构建领域指令数据集并完成LoRA微调，人工评测满意度由3.6分提升至4.4分（5分制）。

• 采用预训练模型加对抗训练优化长尾类别，违规文本召回率提升9个百分点。
• 完成模型蒸馏与TensorRT加速，单卡吞吐提升2.3倍，满足线上实时审核要求。

研究方向为自然语言处理，主修机器学习、深度学习、信息检索。

主修数据结构、算法设计与数据库系统，GPA 3.6/4.0。