职场资讯
正在查看在校生大模型算法简约简历模板文字版
陈小湾
求职意向
工作经历
XXX智能是专注于企业级AI解决方案的科技公司，团队规模约XXX人，核心业务是为金融与零售客户提供大模型训练与优化服务，产品已落地超过XXX家标杆客户，与多家云服务商建立技术合作。
工作概述：
1.数据标注：负责金融垂域问答对的清洗与标注，依据业务需求建立实体识别与关系抽取的标准；对原始文本进行脱敏与格式化处理，使用标注工具完成批量打标；通过抽样检查和交叉验证保障数据质量，将标注准确率提升至XXX%，并输出标注规范文档。
2.模型微调：参与基于开源大模型的指令微调实验，协助处理训练所需的结构化数据；根据工程师指导调整模型超参数，运行训练脚本并监控loss曲线；记录不同参数组合下的模型表现，为后续实验提供参考，单次训练任务平均完成时间缩短XXX%。
3.效果评测：协助搭建模型效果自动化评测流水线，负责基础评测集的构建与维护；执行常规的模型效果跑分任务，记录在阅读理解与文本生成任务上的关键指标；初步分析模型输出中的badcase，归类常见错误类型，每周产出评测报告，支持了XXX次模型迭代决策。
4.文档沉淀：负责整理实验过程中的配置、数据与结果，使用协同文档维护项目知识库；将常用的数据处理脚本与模型调用方法编写成操作指引；参与团队技术分享会的材料准备，整理的FAQ文档被团队采纳率超过XXX%。
工作业绩：
1.独立完成超过XXX万token的高质量垂域文本数据清洗与标注任务，准确率达XXX%。
2.支持了XXX次模型微调实验，有效记录实验数据，协助团队总结出X条有效的调参经验。
3.维护包含XXX个评测任务的自动化评测集，每月执行跑分任务XXX次，报告产出及时率XXX%。
4.沉淀技术文档与操作指南XXX份，成为实习生入职培训的参考资料，提升团队信息流转效率。
主动离职，希望有更多的工作挑战和涨薪机会。
项目经历
公司为某大型金融机构打造的内部知识库问答系统项目，原有基于规则的关键词匹配方案无法处理复杂业务查询，准确率不足XXX%。项目目标是通过微调大模型，使其能准确理解并回答来自产品手册、合规文件等长文档的专业问题，需解决上下文长度限制、事实性幻觉以及回答可解释性等挑战。
项目职责：
1.数据处理：负责清洗与格式化金融产品说明书等非结构化文档，划分语义片段并生成问答对，构建了包含XXX组高质量数据的数据集。
2.模型训练支持：协助工程师进行模型微调实验，包括数据加载脚本编写、训练日志监控与异常状态上报，保障了累计XXX小时的训练任务稳定运行。
3.Prompt优化：参与设计并测试面向检索增强生成（RAG）环节的多种Prompt模板，通过A/B测试评估不同指令对回答准确性与流畅度的影响。
4.实验记录：系统记录每次实验的配置参数、数据版本与评估结果，使用表格工具进行可视化对比，辅助团队进行迭代决策。
项目业绩：
1.项目交付的问答机器人在上线试点部门的评测中，回答准确率达到X
X.X%，较原有系统提升XXX%。
2.通过Prompt优化与RAG架构结合，将模型在专业问题上的事实性错误率降低了XXX%。
3.构建并开源了包含XXX个金融垂域问答对的基准测试集，支撑了后续XXX个类似项目的快速启动。
教育背景
GPA X.XX/X.X（专业前XX%），主修人工智能与自然语言处理核心课程，参与基于Transformer的文本分类课程设计项目，负责数据预处理与模型训练模块，在公开数据集上取得XXX的准确率。熟练使用Python进行数据分析，掌握PyTorch深度学习框架的基本应用。
自我评价
培训经历
系统学习机器学习云服务架构，掌握如何使用SageMaker进行模型训练与部署。将知识应用于实习期间的项目，协助团队在云端配置和管理微调实验所需的计算资源，通过选用合适的实例类型与启用Spot实例，将单次实验的云计算成本降低了约XXX%。
在校生大模型算法简约简历模板
568人使用适用人群: #大模型算法 #在校生[找实习]
[基本信息]
姓名：陈小湾
性别：男
年龄：26
学历：本科
婚姻：未婚
年限：4年
面貌：党员
邮箱：xiaowan@gangwan.com
电话：18600001654
[求职意向]
工作性质：全职
应聘职位：大模型算法
期望城市：北京
期望薪资：8000-10000
求职状态：离职-随时到岗
[工作经历]
北京XX科技有限公司 | 大模型算法
2024-09 - 2025-12
XXX智能是专注于企业级AI解决方案的科技公司，团队规模约XXX人，核心业务是为金融与零售客户提供大模型训练与优化服务，产品已落地超过XXX家标杆客户，与多家云服务商建立技术合作。
工作概述：
1.数据标注：负责金融垂域问答对的清洗与标注，依据业务需求建立实体识别与关系抽取的标准；对原始文本进行脱敏与格式化处理，使用标注工具完成批量打标；通过抽样检查和交叉验证保障数据质量，将标注准确率提升至XXX%，并输出标注规范文档。
2.模型微调：参与基于开源大模型的指令微调实验，协助处理训练所需的结构化数据；根据工程师指导调整模型超参数，运行训练脚本并监控loss曲线；记录不同参数组合下的模型表现，为后续实验提供参考，单次训练任务平均完成时间缩短XXX%。
3.效果评测：协助搭建模型效果自动化评测流水线，负责基础评测集的构建与维护；执行常规的模型效果跑分任务，记录在阅读理解与文本生成任务上的关键指标；初步分析模型输出中的badcase，归类常见错误类型，每周产出评测报告，支持了XXX次模型迭代决策。
4.文档沉淀：负责整理实验过程中的配置、数据与结果，使用协同文档维护项目知识库；将常用的数据处理脚本与模型调用方法编写成操作指引；参与团队技术分享会的材料准备，整理的FAQ文档被团队采纳率超过XXX%。
工作业绩：
1.独立完成超过XXX万token的高质量垂域文本数据清洗与标注任务，准确率达XXX%。
2.支持了XXX次模型微调实验，有效记录实验数据，协助团队总结出X条有效的调参经验。
3.维护包含XXX个评测任务的自动化评测集，每月执行跑分任务XXX次，报告产出及时率XXX%。
4.沉淀技术文档与操作指南XXX份，成为实习生入职培训的参考资料，提升团队信息流转效率。
[项目经历]
项目名称：企业知识问答机器人
担任角色：项目负责人
公司为某大型金融机构打造的内部知识库问答系统项目，原有基于规则的关键词匹配方案无法处理复杂业务查询，准确率不足XXX%。项目目标是通过微调大模型，使其能准确理解并回答来自产品手册、合规文件等长文档的专业问题，需解决上下文长度限制、事实性幻觉以及回答可解释性等挑战。
项目业绩：
1.项目交付的问答机器人在上线试点部门的评测中，回答准确率达到X
X.X%，较原有系统提升XXX%。
2.通过Prompt优化与RAG架构结合，将模型在专业问题上的事实性错误率降低了XXX%。
3.构建并开源了包含XXX个金融垂域问答对的基准测试集，支撑了后续XXX个类似项目的快速启动。
[教育背景]
江苏大学
计算机科学与技术 | 本科
GPA X.XX/X.X（专业前XX%），主修人工智能与自然语言处理核心课程，参与基于Transformer的文本分类课程设计项目，负责数据预处理与模型训练模块，在公开数据集上取得XXX的准确率。熟练使用Python进行数据分析，掌握PyTorch深度学习框架的基本应用。