猿急送>

深圳其它兼职程序员

ID：392183

王四身份已认证

高级算法工程师

公司信息：
棒谷科技

工作经验：
10年

兼职日薪：
600元/8小时

兼职时间：
下班后
周六
周日

所在区域：
深圳
福田

技术能力

我是一名高级算法工程师，专注于自然语言处理（NLP）领域，具备丰富的经典算法和大模型算法经验。熟练掌握Transformer、BERT、GPT等主流模型架构，并在大模型应用如检索增强生成（RAG）方面有实际项目经验。能够高效处理文本分类、序列标注、机器翻译、问答系统等任务，熟悉预训练、微调及模型优化技术。同时，具备扎实的编程基础，精通Python、PyTorch、TensorFlow等工具，能够结合分布式计算框架进行大规模数据处理与模型训练。致力于通过技术创新解决复杂的NLP问题，提升模型性能与应用效果。

项目经验

1. **RAG系统开发**：主导开发了一个基于检索增强生成（RAG）的智能问答系统，用于企业知识库的高效检索与生成。通过结合稠密检索与生成模型，显著提升了问答的准确性与上下文相关性。系统支持多轮对话，能够从海量文档中快速定位信息并生成自然语言回答，已成功应用于多个企业客户，大幅提升了知识管理效率。

2. **教育行业智能批改系统**：设计并实现了一个面向教育行业的AI批改系统，基于Transformer架构实现了作文自动评分与语法纠错功能。系统通过预训练语言模型捕捉语义特征，结合规则引擎进行细粒度错误检测，支持多维度评分与个性化反馈，帮助教师减轻批改负担，同时为学生提供即时学习指导。

案例展示

智能问答RAG系统

技术框架 1、文档预处理模块：对文档进行分块、清洗和向量化处理，使用BERT等预训练模型生成稠密向量，并存储于向量数据库中以支持高效检索； 2、稠密检索模块：基于用户查询，利用embedding模型从向量数据库中检索Top-K相关文档片段； 3、生成式问答模块：自己部署大模
基于RAG的K12教育智能教育系统

技术框架 1、学习资源预处理模块：对教材、课件、习题等学习资源进行分块、清洗和向量化处理，使用BERT等预训练模型生成稠密向量，并存储于向量数据库中，支持高效检索。 2、智能检索与推荐模块：基于学生的学习需求或教师的教学目标，利用embedding模型从资源库中检索最相关的学