0
被预约次数
0
被收藏次数
0
被评价次数
一、大模型算法训练与多模态技术
熟练使用Python、PyTorch、Transformers框架，掌握Qwen、LLaMA、DeepSeek大模型底座及CLIP、Qwen-VL多模态对齐方案；依托LLaMaFactory、Verl完成SFT、DPO、RLHF全流程微调与偏好对齐；研究大模型持续学习、元强化学习、动态稀疏适配器轻量化方案，解决模型灾难性遗忘、低资源增量训练算力损耗问题；设计SA-GRPO分阶段强化学习策略，完成多模态医疗大模型结构化推理对齐；搭建基于元强化学习的自适应经验回放框架，优化持续学习样本调度与Token开销。
二、Agent、RAG与工业/教育垂直落地
精通提示工程、多源检索增强RAG技术，基于LangChain、LangGraph搭建多智能体Agent工作流；实现分层长记忆、多工具调度、多智能体协同架构，设计Supervisor主控+模块化Skill原子节点架构，支持双业务流程复用；构建Evidence分层证据检索体系，归一化多源异构标准数据，解决大模型输出幻觉、推理无溯源问题；设计全局状态机PWPSState、金字塔分层学生画像两套时序记忆耦合方案，实现动态状态留存、断点快照、冲突记录追踪；开发多智能体调度器，拆分语音合成、动画渲染、文档渲染子Agent，完成多模态内容时序对齐与自动化输出。
三、多模态文档解析与数据处理
提出Document IR结构化文档切片+VLM视觉检验修复框架，修复课件公式、标题丢失问题；构建领域专用SFT、RL标注数据集，搭建数据飞轮实现偏好数据自迭代；处理教材、工业标准、医疗影像多类型异构数据源，完成数据清洗、分级可信度标注、冲突检测。
四、系统架构、工程开发与项目落地
具备前后端+算法端分离的分布式系统顶层设计能力，擅长模块化拆分、任务拆解、开发流程管控；搭建教学Agent、工业工艺Agent两套商业化垂直大模型落地系统；实现多端并行协同开发，统筹算法、前后端团队交付；落地教育、工业两大垂直场景，完成从需求设计、算法研发、系统开发到企业上线全流程交付；设计标准化资产库、审计追溯、断点复现等工程化能力，优化业务生产效率，降低人工与物料成本。
五、工程优化落地成果相关技术手段
1. 文本生成优化：DPO强化对齐、动态稀疏适配器、元强化学习回放机制；
2. 检索优化：分层证据RAG、多源文档归一检索、可信度分级；
3. 智能体架构：LangGraph多Agent调度、主控+子智能体分工、长时序记忆耦合；
4. 多模态处理：VLM文档修复、多Agent音视频时序对齐、多模态工艺文档自动渲染；
5. 状态管控：全局唯一状态模型、分级状态机、冲突自动校验、流程断点快照。
2024 年 12 月至 2025 年 8 月，作为核心成员参与大模型智慧助教系统 “子路” 项目，项目立足教育数字化发展需求，解决高校教学场景碎片化、通用大模型缺少学情自适应能力等行业痛点，搭建覆盖课件解析、知识构建、学情建模、智能测评的全流程教学 Agent 工作流。工作中自顶向下完成前后端与算法端分离的系统架构设计，规范项目开发交付流程；针对课件解析失真、数据源脏数据问题，设计文档切片结合 VLM 视觉校验的修复框架，将教材解析效率提升 32%；依托人工教学讲稿标注数据构建打分模型，通过 DPO 强化对齐优化课堂讲稿生成效果，师生测评满意度达 81%；创新设计双时间尺度分层学生画像并耦合 Agent 长记忆机制，动态更新学情权重，个性化教学匹配精准度提升 38%；搭建多智能体协同调度框架实现教学视频自动生成，统一管控音画素材时序，视频生成成本降低 62%。该项目获评河北省垂直大模型典型应用案例，在校内研究生院落地使用一年以上，服务五千余名师生，产出三十余门精品课程，教师备课批改效率提升 32%，学生周均在线学习时长增加 5.2 小时。
2026 年 1 月至今，以核心成员身份开展焊接工艺 PWPS 智能生成系统研发，针对人工编制工艺文件效率低、通用大模型存在幻觉且缺少审计溯源能力的痛点，基于 LangGraph 搭建证据驱动型工业 Agent 全链路工作流。项目采用 Supervisor 主控 + 模块化技能单元架构，设计自动出稿、人机交互两套可复用业务流程；搭建全局 PWPSState 状态模型，通过分级状态机绑定推理证据与冲突记录，参数冲突漏检率下降 65.2%；构建分层证据检索体系整合多源异构工艺标准，将参数字段准确率从纯 RAG 的 42.3% 提升至 77.9%；开发输出渲染 Agent 统一生成工艺草案、审计日志与推理快照，单份文档人工复核效率提升 81.2%。目前系统已落地沧州高新区企业，工艺初稿编制时长由 10 小时压缩至 30 分钟内，同时建成完整标准化工艺资产库，有效降低企业工艺查阅与核对成本。
可兼职时间
可兼职地点
0条评论 雇主评价