自然语言处理算法简历模板

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。

主修数据结构、机器学习、概率论与数理统计，GPA 3.7/4.0。

• 负责大模型指令微调与对齐，构建10万级高质量SFT数据集，业务问答准确率提升12个百分点。
• 主导检索增强生成链路优化，引入混合检索与重排序策略，答案引用准确率由78%提升至91%。
• 搭建模型评测与badcase回流机制，推动版本迭代周期从4周缩短至2周。

• 负责意图识别与槽位填充模型迭代，意图识别准确率从88%提升至94%，覆盖日均百万级会话。
• 优化文本分类推理服务，通过模型蒸馏与量化将单次推理耗时降低45%，GPU成本下降约30%。

• 基于开源基座模型完成领域继续预训练与指令微调，构建企业知识问答助手，上线后人工客服转接率下降35%。
• 设计多路召回与重排序方案，结合向量检索与关键词检索，Top5召回率提升至93%。

• 构建多标签文本分类模型识别用户投诉与咨询类型，F1值达到0.92，较规则方案提升18个百分点。
• 完成模型服务化与灰度上线，支撑日均百万级请求，P99延迟控制在80毫秒以内。