高考大模型
案例介绍
本人职责：本人主要负责大模型技术在高考志愿推荐系统中的模型构建、微调与推理优化工作。包括以下方面：
1. 负责主力大模型（如Qwen、ChatGLM等）的选型与评估，从中文理解、指令遵循等维度完成性能对比。
2. 组织清洗与标注真实用户数据（8W+人工标注数据与2W安全对齐数据），用于支持Lora、Freeze、P-Tuning等微调策略的实验与部署。
3. 搭建RAG技术管线，引入搜索引擎辅助大模型生成环节，提升推荐结果的权威性与时效性。
4. 设计提示工程与评分机制，引导大模型准确理解考生意图，缓解幻觉问题，提升生成内容可信度。
5. 基于LangGraph框架，构建包含专家Agent、评分机制、搜索组件的智能体协同网络，提升系统稳定性与可扩展性。
6. 优化推理性能，引入缓存机制，将用户等待时长缩短50%，显著提升交互体验。
项目成果：项目成功打造了国内领先的AI高考志愿推荐系统，并与智谱AI、中国教育在线等机构合作落地。系统在2024年高考季上线，服务用户超10万人，显著提升了志愿填报效率与科学性，得到专家与用户高度认可。
高考大模型
案例介绍
项目介绍：本项目聚焦AI大模型在高考志愿填报场景的应用，结合权威教育数据源和用户画像，构建具备智能推荐与个性化分析能力的志愿填报系统。项目融合RAG技术、多智能体协同与搜索引擎能力，实现从信息查询到志愿决策的智能化升级。
本人职责：本人主要负责大模型技术在高考志愿推荐系统中的模型构建、微调与推理优化工作。包括以下方面：
1. 负责主力大模型（如Qwen、ChatGLM等）的选型与评估，从中文理解、指令遵循等维度完成性能对比。
2. 组织清洗与标注真实用户数据（8W+人工标注数据与2W安全对齐数据），用于支持Lora、Freeze、P-Tuning等微调策略的实验与部署。
3. 搭建RAG技术管线，引入搜索引擎辅助大模型生成环节，提升推荐结果的权威性与时效性。
4. 设计提示工程与评分机制，引导大模型准确理解考生意图，缓解幻觉问题，提升生成内容可信度。
5. 基于LangGraph框架，构建包含专家Agent、评分机制、搜索组件的智能体协同网络，提升系统稳定性与可扩展性。
6. 优化推理性能，引入缓存机制，将用户等待时长缩短50%，显著提升交互体验。
项目成果：项目成功打造了国内领先的AI高考志愿推荐系统，并与智谱AI、中国教育在线等机构合作落地。系统在2024年高考季上线，服务用户超10万人，显著提升了志愿填报效率与科学性，得到专家与用户高度认可。
案例图片
相似案例推荐
-
前端网站开发
网站项目旨在构建一个全面且功能完善的企业线上展示平台。该网站
-
新能源绕胶机
本项目专注于新能源锂电池绕胶机WinForm上位机控制系统的
-
新能源打包系统
本项目致力于开发一款针对新能源领域的高效打包机自动化控制系统
-
汽车官网搭建，H5小程序
的方法 的方法 的方法 的方法 的方法 的方法 的方法 的方
-
多智能体优化工单系统
基于多智能体优化工单系统，实现自动化文本分类、关键词提取、优
-
交易之战
擅长爬虫 自动化 模拟人工 脚本 数据 量化交易 Ai 前后
1小时精推人才
需求方专属客服，免费梳理匹配
