自然语言处理算法实习生简历模板

研究方向为自然语言处理；相关课程：深度学习、机器学习、信息检索、自然语言处理。

相关课程：数据结构、算法设计、概率统计、Python程序设计。

• 基于BERT-BiLSTM-CRF搭建事件抽取流水线，在自建1.2万条标注数据上实体F1达0.91。
• 引入对抗训练与数据增强，解决小样本类别识别问题，稀有事件召回率提升12个百分点。
• 使用ONNX完成推理加速，单条文本耗时由85ms降至32ms，支撑日均10万次调用。

• 基于Qwen2-7B构建LoRA微调流程，整理3万条中文指令数据，训练脚本已开源获120+ Star。
• 在自建评测集上指令遵循通过率由68%提升至84%，并输出完整实验对比报告。

• 负责客服工单文本分类模型迭代，通过难例挖掘与标签清洗将准确率由86%提升至92%。
• 参与大模型问答链路优化，设计检索增强方案，答案相关性人工评测得分提升15%。
• 编写数据标注规范并管理外包标注，累计产出2万条高质量训练数据。

• 参与新闻资讯实体识别项目，基于BERT微调模型，实体识别F1达到0.89。
• 搭建文本清洗与去重脚本，将训练数据噪声比例降低约20%，缩短数据准备周期3天。