职场资讯
正在查看应届生大模型算法清爽简历模板文字版
陈小湾
求职意向
工作经历
XXX科技是一家专注企业级人工智能解决方案的科技公司，团队规模约XXX人，核心业务是为金融、电商等行业提供基于大模型的智能客服与内容生成服务，产品已服务于超过XXX家企业客户，与多家行业头部公司建立了技术合作。
工作概述：
1.数据清洗：负责智能客服业务线标注数据的预处理工作，依据业务需求制定数据清洗规则；使用Python脚本自动化过滤无效对话与敏感信息，统一文本格式并划分训练集与验证集；定期复盘数据质量对模型效果的影响，优化清洗逻辑，将数据处理效率提升XXX%。
2.模型微调：基于业务积累的领域对话数据，对开源大模型进行指令微调；采用LoRA等参数高效微调方法，在单卡GPU上完成训练任务；设计基于业务场景的评测集，评估模型回复的准确性与流畅度，通过多轮迭代将任务完成度提升XXX%。
3.实验分析：针对模型在特定场景下效果不佳的问题，设计对比实验进行分析；尝试调整训练数据配比、提示词模板及微调超参数，记录各实验组合下的评测指标；总结有效策略并形成实验报告，为后续优化提供依据，将问题定位速度加快XXX%。
4.部署支持：协助算法工程师进行模型离线测试与上线前的性能评估；编写模型调用接口示例代码，整理常见问题排查文档；监控模型服务初期的响应延迟与资源占用，反馈异常情况，支持了XXX个模型的顺利上线。
工作业绩：
1.累计清洗与处理智能客服领域对话数据超XXX万条，保障了训练数据的稳定供应与质量。
2.独立完成X个场景专属模型的微调实验，模型在业务评测集上的关键指标平均提升XXX%。
3.通过系统的实验分析，定位并解决了X类典型bad case，推动相关场景的客户满意度提升XXX%。
4.支持了X个模型的部署上线工作，协助将平均服务响应时间优化了XXX%。
主动离职，希望有更多的工作挑战和涨薪机会。
项目经历
公司核心的智能客服产品升级项目，原有通用模型在金融、电商等垂直领域的专业问题解答上存在知识盲区与表述不规范问题，客户满意度长期低于XX%；同时，模型响应包含大量无关信息，导致单次对话平均交互轮次高达X轮，严重影响了客服效率与用户体验。
项目职责：
1.负责领域知识数据构建：收集金融产品说明书、电商售后规则等非结构化文本，设计prompt模板将其转化为高质量的指令微调数据，扩充领域知识库规模达XXX条。
2.优化模型微调流程：采用两阶段微调策略，先进行通用指令遵循训练，再进行领域知识注入，利用量化技术控制训练成本，使得单次实验GPU资源消耗降低XXX%。
3.协助搭建自动化评测体系：针对业务关心的准确性、安全性与合规性维度，构建自动化评测脚本，将模型迭代后的评估周期从X天缩短至X小时。
4.支持A/B测试与效果分析：协助将优化后的模型部署至测试环境，通过对比线上旧模型与测试新模型的对话日志，量化模型优化带来的客服效率提升与成本节约。
项目业绩：
1.优化后的领域专属模型在金融知识问答测试集上的准确率从X
X.X%提升至X
X.X%。
2.模型响应更加简洁聚焦，将平均单次对话解决所需的交互轮次降低了XXX%，提升了客服效率。
3.通过优化训练流程与使用量化技术，模型单次训练的综合成本下降了XXX%。
4.项目成果应用于X家重点客户，推动该产品线季度复购率提升XXX%。
教育背景
GPA X.XX/X.X（专业前XX%），主修自然语言处理、机器学习等核心课程，参与基于深度学习的新闻分类系统课程设计，在团队中负责文本特征提取与模型训练模块，使用Python与PyTorch框架达到XX%的分类准确率，熟悉Linux开发环境与Git版本管理工具。
自我评价
培训经历
参与了深度求索公司举办的大模型实战培训，系统学习了Transformer架构、Prompt工程及大模型微调实战技术。将所学应用于企业智能客服模型优化项目，通过改进指令数据构造方法，有效提升了模型对业务意图的理解能力，相关实践被纳入团队技术文档。
应届生大模型算法清爽简历模板
724人使用适用人群: #大模型算法 #应届生[<1年]
[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科技是一家专注企业级人工智能解决方案的科技公司，团队规模约XXX人，核心业务是为金融、电商等行业提供基于大模型的智能客服与内容生成服务，产品已服务于超过XXX家企业客户，与多家行业头部公司建立了技术合作。
工作概述：
1.数据清洗：负责智能客服业务线标注数据的预处理工作，依据业务需求制定数据清洗规则；使用Python脚本自动化过滤无效对话与敏感信息，统一文本格式并划分训练集与验证集；定期复盘数据质量对模型效果的影响，优化清洗逻辑，将数据处理效率提升XXX%。
2.模型微调：基于业务积累的领域对话数据，对开源大模型进行指令微调；采用LoRA等参数高效微调方法，在单卡GPU上完成训练任务；设计基于业务场景的评测集，评估模型回复的准确性与流畅度，通过多轮迭代将任务完成度提升XXX%。
3.实验分析：针对模型在特定场景下效果不佳的问题，设计对比实验进行分析；尝试调整训练数据配比、提示词模板及微调超参数，记录各实验组合下的评测指标；总结有效策略并形成实验报告，为后续优化提供依据，将问题定位速度加快XXX%。
4.部署支持：协助算法工程师进行模型离线测试与上线前的性能评估；编写模型调用接口示例代码，整理常见问题排查文档；监控模型服务初期的响应延迟与资源占用，反馈异常情况，支持了XXX个模型的顺利上线。
工作业绩：
1.累计清洗与处理智能客服领域对话数据超XXX万条，保障了训练数据的稳定供应与质量。
2.独立完成X个场景专属模型的微调实验，模型在业务评测集上的关键指标平均提升XXX%。
3.通过系统的实验分析，定位并解决了X类典型bad case，推动相关场景的客户满意度提升XXX%。
4.支持了X个模型的部署上线工作，协助将平均服务响应时间优化了XXX%。
[项目经历]
项目名称：企业级智能客服模型优化项目
担任角色：项目负责人
公司核心的智能客服产品升级项目，原有通用模型在金融、电商等垂直领域的专业问题解答上存在知识盲区与表述不规范问题，客户满意度长期低于XX%；同时，模型响应包含大量无关信息，导致单次对话平均交互轮次高达X轮，严重影响了客服效率与用户体验。
项目业绩：
1.优化后的领域专属模型在金融知识问答测试集上的准确率从X
X.X%提升至X
X.X%。
2.模型响应更加简洁聚焦，将平均单次对话解决所需的交互轮次降低了XXX%，提升了客服效率。
3.通过优化训练流程与使用量化技术，模型单次训练的综合成本下降了XXX%。
4.项目成果应用于X家重点客户，推动该产品线季度复购率提升XXX%。
[教育背景]
河北大学
人工智能 | 本科
GPA X.XX/X.X（专业前XX%），主修自然语言处理、机器学习等核心课程，参与基于深度学习的新闻分类系统课程设计，在团队中负责文本特征提取与模型训练模块，使用Python与PyTorch框架达到XX%的分类准确率，熟悉Linux开发环境与Git版本管理工具。