自然语言处理工程师简历模板

• 负责智能客服意图识别模型迭代，通过数据增强与蒸馏优化，意图准确率由86%提升至92%。
• 主导大模型微调与RAG问答链路搭建，首答解决率提升18个百分点，人工转接率下降25%。
• 搭建训练与推理服务化流程，单次模型上线周期由7天缩短至2天。

• 负责合同文本要素抽取模型开发，实体识别F1值达到0.91，支撑日均10万份文档处理。
• 参与情感分析与舆情监控模型优化，误报率降低30%，服务20余家金融客户。

• 基于开源大模型构建RAG问答链路，引入向量检索与重排序，回答准确率提升至89%。
• 设计多轮对话与意图澄清策略，用户满意度评分由3.8提升至4.5（5分制）。

• 采用BERT-CRF与规则融合方案抽取关键条款，实体识别F1值达0.91。
• 完成模型量化与批量推理优化，单文档处理耗时降低40%。

研究方向为自然语言处理，参与实验室文本理解课题。

相关课程：数据结构、机器学习、概率论与数理统计。