职场资讯
正在查看初级大模型算法素净简历模板文字版
陈小湾
求职意向
工作经历
XXX智能是一家专注于行业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、零售等行业提供大模型应用与定制开发服务，产品已落地服务于超过XXX家企业客户，与多家行业头部客户建立深度合作。
工作概述：
1.模型开发：依据业务需求参与金融风控大模型的训练任务；根据算法工程师设定的架构，负责数据处理与特征工程模块的具体编码实现；跟踪模型训练日志，分析损失函数变化，协助调整超参数；在测试集上验证模型基础效果，将模型准确率基准提升XXX个百分点。
2.模型优化：为解决线上服务响应延迟问题，参与模型量化与轻量化实验；对比不同剪枝策略对模型精度的影响，利用TensorRT工具进行部署优化；通过调整模型结构与融合策略，在保证核心指标下降不超过XXX%的前提下，将模型体积压缩XXX%，推理速度提升XXX%。
3.数据管理：负责训练与评估数据的收集、清洗和标注流程；制定数据质量检查规则，利用脚本自动过滤脏数据和异常样本；构建并维护高质量的领域知识QA对数据集，将数据清洗效率提升XXX%，支撑了超过XXX次模型迭代训练。
4.效果评测：建立模型效果的自动化评测体系，编写评测脚本对多个模型版本进行横向对比；设计涵盖准确性、鲁棒性、公平性等多个维度的评测用例；定期输出评测报告，定位模型在特定场景下的失效案例，推动问题修复，将问题发现周期缩短XXX%。
5.算法支持：协助算法团队进行文献调研与算法复现工作；参与技术方案讨论，负责部分实验代码的编写与调试；维护团队内部的算法工具库，整理技术文档，支撑了XXX个以上新算法的快速实验验证。
6.线上维护：监控线上模型服务的运行状态与性能指标；处理简单的线上预测异常，分析日志定位问题原因；参与模型版本的回滚与发布流程，保障服务SLA稳定在XXX%以上。
工作业绩：
1.独立完成并交付了X个核心业务模型的训练与优化任务，模型在内部评测中均达到上线标准。
2.主导的数据管理流程优化，将数据处理环节的人力投入减少XXX%，支撑了超过XXXGB高质量训练数据的生产。
3.构建的自动化评测体系覆盖X个核心模型，累计执行超过XXX次评测任务，发现并推动解决XXX个潜在问题。
4.参与的模型轻量化工作，使得单个模型的推理资源成本平均下降XXX%，累计服务调用次数超过XXX亿次。
5.维护的算法工具库包含XXX个常用组件，被团队内XXX名同事高频使用，提升了研发效率。
6.负责监控的X个线上模型服务，年度平均可用性达到XXX%，未出现因维护不当导致的重大故障。
主动离职，希望有更多的工作挑战和涨薪机会。
项目经历
公司战略级项目，旨在研发一个适用于银行、保险等金融场景的通用大模型底座。项目启动时，公开大模型在金融专业术语理解、数值计算和合规性上存在明显短板，人工评测准确率不足XX%。项目需从零构建高质量的金融语料库，并解决模型幻觉、事实性错误等关键问题，目标是在XXX类核心金融任务上达到或超过专用模型效果，以降低客户定制化成本。
项目职责：
1.数据处理：负责金融文本数据的采集、清洗和预处理流水线开发；设计规则与模型结合的方法过滤低质网页数据，构建包含研报、公告、法规的高质量精标数据集，规模达XXX亿token。
2.模型训练：参与大规模分布式训练任务，负责数据加载与预处理模块的代码开发与性能调优；监控训练过程，协助分析梯度异常和loss波动问题，保障了千卡集群连续稳定运行XXX天。
3.指令微调：根据业务专家提供的任务定义，编写代码将金融任务（如财报分析、风险问答）转化为模型可理解的指令格式；参与SFT和RLHF阶段的实验，负责奖励模型数据的准备和效果评估。
4.效果评估：开发金融垂直领域的评估基准，涵盖知识问答、逻辑推理、文本生成等XXX个任务；自动化评估流程，定期对模型各个版本进行量化打分，产出评估报告。
项目业绩：
1.项目成功交付金融大模型XXX版本，在内部构建的XXX项金融评测任务上，综合得分超越同期同规模开源基础模型XXX%。
2.构建的高质量金融预训练与指令微调数据集，成为团队核心资产，数据量达XXXGB，支撑了后续所有金融模型项目。
3.模型在XXX家银行客户的PoC测试中，在智能投顾、合规审查等场景的准确率获得客户认可，推动签订X个百万级订单。
4.通过训练流程和代码的优化，将单次实验迭代的平均时间缩短了XXX%，提升了团队整体研发效率。
教育背景
GPA X.XX/ X.X（专业前XX%），主修机器学习、自然语言处理核心课程，参与基于深度学习的文本情感分析课程项目，在团队中负责BERT模型微调与效果优化模块，在测试集上取得XX%的准确率。熟练使用Python及PyTorch深度学习框架，了解Transformer架构基本原理，具备扎实的数据结构与算法基础。
自我评价
培训经历
系统学习了云计算与人工智能平台核心服务，并将云上AI开发流程应用于实际工作。利用阿里云PAI平台进行大模型分布式训练任务的管理与监控，通过优化存储读写策略和资源配置，将训练任务的数据加载效率提升XXX%，单次任务成本降低约XXX%。
初级大模型算法素净简历模板
382人使用适用人群: #大模型算法 #初级[1-3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智能是一家专注于行业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、零售等行业提供大模型应用与定制开发服务，产品已落地服务于超过XXX家企业客户，与多家行业头部客户建立深度合作。
工作概述：
1.模型开发：依据业务需求参与金融风控大模型的训练任务；根据算法工程师设定的架构，负责数据处理与特征工程模块的具体编码实现；跟踪模型训练日志，分析损失函数变化，协助调整超参数；在测试集上验证模型基础效果，将模型准确率基准提升XXX个百分点。
2.模型优化：为解决线上服务响应延迟问题，参与模型量化与轻量化实验；对比不同剪枝策略对模型精度的影响，利用TensorRT工具进行部署优化；通过调整模型结构与融合策略，在保证核心指标下降不超过XXX%的前提下，将模型体积压缩XXX%，推理速度提升XXX%。
3.数据管理：负责训练与评估数据的收集、清洗和标注流程；制定数据质量检查规则，利用脚本自动过滤脏数据和异常样本；构建并维护高质量的领域知识QA对数据集，将数据清洗效率提升XXX%，支撑了超过XXX次模型迭代训练。
4.效果评测：建立模型效果的自动化评测体系，编写评测脚本对多个模型版本进行横向对比；设计涵盖准确性、鲁棒性、公平性等多个维度的评测用例；定期输出评测报告，定位模型在特定场景下的失效案例，推动问题修复，将问题发现周期缩短XXX%。
5.算法支持：协助算法团队进行文献调研与算法复现工作；参与技术方案讨论，负责部分实验代码的编写与调试；维护团队内部的算法工具库，整理技术文档，支撑了XXX个以上新算法的快速实验验证。
6.线上维护：监控线上模型服务的运行状态与性能指标；处理简单的线上预测异常，分析日志定位问题原因；参与模型版本的回滚与发布流程，保障服务SLA稳定在XXX%以上。
工作业绩：
1.独立完成并交付了X个核心业务模型的训练与优化任务，模型在内部评测中均达到上线标准。
2.主导的数据管理流程优化，将数据处理环节的人力投入减少XXX%，支撑了超过XXXGB高质量训练数据的生产。
3.构建的自动化评测体系覆盖X个核心模型，累计执行超过XXX次评测任务，发现并推动解决XXX个潜在问题。
4.参与的模型轻量化工作，使得单个模型的推理资源成本平均下降XXX%，累计服务调用次数超过XXX亿次。
5.维护的算法工具库包含XXX个常用组件，被团队内XXX名同事高频使用，提升了研发效率。
6.负责监控的X个线上模型服务，年度平均可用性达到XXX%，未出现因维护不当导致的重大故障。
[项目经历]
项目名称：金融行业通用大模型研发项目
担任角色：项目负责人
公司战略级项目，旨在研发一个适用于银行、保险等金融场景的通用大模型底座。项目启动时，公开大模型在金融专业术语理解、数值计算和合规性上存在明显短板，人工评测准确率不足XX%。项目需从零构建高质量的金融语料库，并解决模型幻觉、事实性错误等关键问题，目标是在XXX类核心金融任务上达到或超过专用模型效果，以降低客户定制化成本。
项目业绩：
1.项目成功交付金融大模型XXX版本，在内部构建的XXX项金融评测任务上，综合得分超越同期同规模开源基础模型XXX%。
2.构建的高质量金融预训练与指令微调数据集，成为团队核心资产，数据量达XXXGB，支撑了后续所有金融模型项目。
3.模型在XXX家银行客户的PoC测试中，在智能投顾、合规审查等场景的准确率获得客户认可，推动签订X个百万级订单。
4.通过训练流程和代码的优化，将单次实验迭代的平均时间缩短了XXX%，提升了团队整体研发效率。
[教育背景]
杭州电子科技大学
智能科学与技术 | 本科
GPA X.XX/ X.X（专业前XX%），主修机器学习、自然语言处理核心课程，参与基于深度学习的文本情感分析课程项目，在团队中负责BERT模型微调与效果优化模块，在测试集上取得XX%的准确率。熟练使用Python及PyTorch深度学习框架，了解Transformer架构基本原理，具备扎实的数据结构与算法基础。