自然语言处理工程师简历模板

• 负责企业级智能问答系统算法研发，主导RAG检索增强方案落地，回答准确率由78%提升至91%。
• 基于LoRA对7B大模型进行领域微调，训练成本降低60%，推理响应时间压缩至800毫秒以内。
• 搭建文本分类与意图识别流水线，支撑日均120万次调用，线上服务可用性保持99.9%。

• 负责电商评论情感分析与方面级抽取模型开发，F1值从82%提升至89%，接入3条业务线。
• 构建中文分词与命名实体识别训练数据流程，标注效率提升40%，累计沉淀标注语料50万条。
• 参与模型服务化改造，将推理接口平均耗时由350毫秒降至120毫秒，支撑大促峰值流量。

• 设计向量检索与重排序两阶段召回架构，Top-5召回率提升至93%，人工转接率下降35%。
• 引入查询改写与多轮对话管理，复杂问题解决率提升22%，服务内部用户超8000人。

• 采用BERT-BiLSTM-CRF架构并引入对抗训练，实体识别F1值提升6个百分点至90.2%。
• 完成模型量化与ONNX部署，单卡吞吐提升2.3倍，支撑日均200万条文本处理。

研究方向为自然语言处理，主修机器学习、深度学习、信息检索等课程。

系统学习数据结构、算法设计与数据库原理，GPA 3.6/4.0。