自然语言处理技术专家简历模板

• 主导7B级中文大模型预训练与SFT对齐，构建百万级指令数据集，业务问答准确率提升18%。
• 设计RAG检索增强问答链路，引入向量召回与重排，答案命中率从72%提升至89%。
• 推动推理服务vLLM化改造，单卡吞吐提升2.3倍，推理成本下降约40%。

• 负责文本分类与情感分析模型研发，覆盖电商评论场景，F1值由0.81提升至0.90。
• 搭建BERT蒸馏与量化流水线，模型体积压缩70%，端侧推理延迟降低55%。
• 参与智能客服意图识别系统建设，意图覆盖率达95%，人工转接率下降22%。

• 设计多路召回与Cross-Encoder重排方案，Top-5召回准确率达92%。
• 引入查询改写与多轮上下文压缩，复杂问题回答满意度提升至87%。
• 平台上线后服务12个业务线，日均调用量突破300万次。

• 构建金融研报与公告指令数据集8万条，完成LoRA微调与DPO对齐。
• 领域评测集准确率较基座模型提升21%，事实性错误率下降35%。

研究方向为自然语言处理与信息抽取，参与国家自然科学基金项目1项。

主修机器学习、数据结构、概率论与数理统计。