Bacchus
python
中电科技 · 1年经验
日薪：
￥600/8h
地点：
天津 全区
时间：
周六周日可工作日远程
信用行为
0
接单数
0
评价数
0
收藏数
技术能力
{
"语言和框架": ["Python", "PyTorch"],
"大语言模型预训练": ["Transformer", "NLP", "梯度累计", "混合精度训练", "超参数调优", "FlashAttention", "CUDA"],
"AI应用": ["LangChain", "LangGraph", "向量数据库", "RAG", "MCP", "AI Agent"],
"LLM微调和评估": ["LoRA", "HellaSwag"],
"操作系统和部署": ["Linux", "Docker"],
"个人情况": [ "身体健康", "思路清晰","这么多年过去了依然热爱编程" ]
}
"语言和框架": ["Python", "PyTorch"],
"大语言模型预训练": ["Transformer", "NLP", "梯度累计", "混合精度训练", "超参数调优", "FlashAttention", "CUDA"],
"AI应用": ["LangChain", "LangGraph", "向量数据库", "RAG", "MCP", "AI Agent"],
"LLM微调和评估": ["LoRA", "HellaSwag"],
"操作系统和部署": ["Linux", "Docker"],
"个人情况": [ "身体健康", "思路清晰","这么多年过去了依然热爱编程" ]
}
项目经验
项目一：pet-healthy-life
基于langchain，langgraph，向量数据库weaviate，目前实现了以下功能：
● 文字嵌入向量数据库，可进行相似度检索
● 图片嵌入向量数据库，可进行相似度检索
● 智能问答，提高大语言模型回复的准确度
● 智能体，主要包括：执行“生成查询或回复”操作，并判断是否需要调用检索工具；使用“工具条件”进行下一步的路由，如果“生成查询或回复”返回了工具调用列表，则调用检索工具来获取信息，否则，直接回复给用户；对检索到的文档内容进行相关性评分，然后进行下一步的路由，如果不相关，则使用“重写问题”功能重新编写问题，然后再次调用“生成查询或回复”操作，如果相关，则继续执行“生成答案”操作，并使用检索到的文档上下文通过“工具消息”生成最终回复。
● 多智能体，由一个supervisor agent进行协调。监督agent，控制所有的通信流程和任务分配，并根据当前的环境和任务要求来决定调用哪个agent。
项目二：复现GPT-2 (124M参数)+FP8混合精度训练
● 基于Transformer架构
● 训练数据是HuggingFaceFW/fineweb-edu中的sample-10BT
● GPU租用的是智星云，GeForce RTX 4090 (24G)，系统Ubuntu，单机4卡
● 相关版本如下：CUDA Version: 12.4, Driver Version: 550.127.05, torch 2.5.0, triton 3.1.0
项目三：进出口贸易
● 服务于进出口贸易各环节的业务需求。
● 包括数据采集，整理和分析等。
● 基于LangChain，向量数据库Weaviate，大语言模型ChatGPT等搭建知识库，知识图谱等。根据业务需求进行混合检索（向量+标量过滤），基于客户的基础属性和行为，构建用户画像，分析购买路径，进行情感与需求挖掘。
基于langchain，langgraph，向量数据库weaviate，目前实现了以下功能：
● 文字嵌入向量数据库，可进行相似度检索
● 图片嵌入向量数据库，可进行相似度检索
● 智能问答，提高大语言模型回复的准确度
● 智能体，主要包括：执行“生成查询或回复”操作，并判断是否需要调用检索工具；使用“工具条件”进行下一步的路由，如果“生成查询或回复”返回了工具调用列表，则调用检索工具来获取信息，否则，直接回复给用户；对检索到的文档内容进行相关性评分，然后进行下一步的路由，如果不相关，则使用“重写问题”功能重新编写问题，然后再次调用“生成查询或回复”操作，如果相关，则继续执行“生成答案”操作，并使用检索到的文档上下文通过“工具消息”生成最终回复。
● 多智能体，由一个supervisor agent进行协调。监督agent，控制所有的通信流程和任务分配，并根据当前的环境和任务要求来决定调用哪个agent。
项目二：复现GPT-2 (124M参数)+FP8混合精度训练
● 基于Transformer架构
● 训练数据是HuggingFaceFW/fineweb-edu中的sample-10BT
● GPU租用的是智星云，GeForce RTX 4090 (24G)，系统Ubuntu，单机4卡
● 相关版本如下：CUDA Version: 12.4, Driver Version: 550.127.05, torch 2.5.0, triton 3.1.0
项目三：进出口贸易
● 服务于进出口贸易各环节的业务需求。
● 包括数据采集，整理和分析等。
● 基于LangChain，向量数据库Weaviate，大语言模型ChatGPT等搭建知识库，知识图谱等。根据业务需求进行混合检索（向量+标量过滤），基于客户的基础属性和行为，构建用户画像，分析购买路径，进行情感与需求挖掘。
Bacchus
python · 1年经验 · 中电科技
0
累计接单
0
用户评价
0
被收藏
信用行为
0
接单数
0
评价数
0
收藏数
技术能力
{
"语言和框架": ["Python", "PyTorch"],
"大语言模型预训练": ["Transformer", "NLP", "梯度累计", "混合精度训练", "超参数调优", "FlashAttention", "CUDA"],
"AI应用": ["LangChain", "LangGraph", "向量数据库", "RAG", "MCP", "AI Agent"],
"LLM微调和评估": ["LoRA", "HellaSwag"],
"操作系统和部署": ["Linux", "Docker"],
"个人情况": [ "身体健康", "思路清晰","这么多年过去了依然热爱编程" ]
}
"语言和框架": ["Python", "PyTorch"],
"大语言模型预训练": ["Transformer", "NLP", "梯度累计", "混合精度训练", "超参数调优", "FlashAttention", "CUDA"],
"AI应用": ["LangChain", "LangGraph", "向量数据库", "RAG", "MCP", "AI Agent"],
"LLM微调和评估": ["LoRA", "HellaSwag"],
"操作系统和部署": ["Linux", "Docker"],
"个人情况": [ "身体健康", "思路清晰","这么多年过去了依然热爱编程" ]
}
项目经验
项目一：pet-healthy-life
基于langchain，langgraph，向量数据库weaviate，目前实现了以下功能：
● 文字嵌入向量数据库，可进行相似度检索
● 图片嵌入向量数据库，可进行相似度检索
● 智能问答，提高大语言模型回复的准确度
● 智能体，主要包括：执行“生成查询或回复”操作，并判断是否需要调用检索工具；使用“工具条件”进行下一步的路由，如果“生成查询或回复”返回了工具调用列表，则调用检索工具来获取信息，否则，直接回复给用户；对检索到的文档内容进行相关性评分，然后进行下一步的路由，如果不相关，则使用“重写问题”功能重新编写问题，然后再次调用“生成查询或回复”操作，如果相关，则继续执行“生成答案”操作，并使用检索到的文档上下文通过“工具消息”生成最终回复。
● 多智能体，由一个supervisor agent进行协调。监督agent，控制所有的通信流程和任务分配，并根据当前的环境和任务要求来决定调用哪个agent。
项目二：复现GPT-2 (124M参数)+FP8混合精度训练
● 基于Transformer架构
● 训练数据是HuggingFaceFW/fineweb-edu中的sample-10BT
● GPU租用的是智星云，GeForce RTX 4090 (24G)，系统Ubuntu，单机4卡
● 相关版本如下：CUDA Version: 12.4, Driver Version: 550.127.05, torch 2.5.0, triton 3.1.0
项目三：进出口贸易
● 服务于进出口贸易各环节的业务需求。
● 包括数据采集，整理和分析等。
● 基于LangChain，向量数据库Weaviate，大语言模型ChatGPT等搭建知识库，知识图谱等。根据业务需求进行混合检索（向量+标量过滤），基于客户的基础属性和行为，构建用户画像，分析购买路径，进行情感与需求挖掘。
基于langchain，langgraph，向量数据库weaviate，目前实现了以下功能：
● 文字嵌入向量数据库，可进行相似度检索
● 图片嵌入向量数据库，可进行相似度检索
● 智能问答，提高大语言模型回复的准确度
● 智能体，主要包括：执行“生成查询或回复”操作，并判断是否需要调用检索工具；使用“工具条件”进行下一步的路由，如果“生成查询或回复”返回了工具调用列表，则调用检索工具来获取信息，否则，直接回复给用户；对检索到的文档内容进行相关性评分，然后进行下一步的路由，如果不相关，则使用“重写问题”功能重新编写问题，然后再次调用“生成查询或回复”操作，如果相关，则继续执行“生成答案”操作，并使用检索到的文档上下文通过“工具消息”生成最终回复。
● 多智能体，由一个supervisor agent进行协调。监督agent，控制所有的通信流程和任务分配，并根据当前的环境和任务要求来决定调用哪个agent。
项目二：复现GPT-2 (124M参数)+FP8混合精度训练
● 基于Transformer架构
● 训练数据是HuggingFaceFW/fineweb-edu中的sample-10BT
● GPU租用的是智星云，GeForce RTX 4090 (24G)，系统Ubuntu，单机4卡
● 相关版本如下：CUDA Version: 12.4, Driver Version: 550.127.05, torch 2.5.0, triton 3.1.0
项目三：进出口贸易
● 服务于进出口贸易各环节的业务需求。
● 包括数据采集，整理和分析等。
● 基于LangChain，向量数据库Weaviate，大语言模型ChatGPT等搭建知识库，知识图谱等。根据业务需求进行混合检索（向量+标量过滤），基于客户的基础属性和行为，构建用户画像，分析购买路径，进行情感与需求挖掘。
案例展示
pet-healthy-life
独立完成，基于langchain，langgraph，向量数据库weaviate，目前实现了以下功能： ● 文字嵌入向量数据库，可进行相似度检索 ● 图片嵌入向量数据库，可进行相似度检索 ● 智能问答，提高大语言模型回复的准确度 ● 智能体，主要包括：执行“生成查
GPT-2 (124M)+FP8
独立完成，复现GPT-2 (124M参数)+FP8混合精度预训练 ● 基于Transformer架构 ● 训练数据是HuggingFaceFW/fineweb-edu中的sample-10BT ● GPU租用的是智星云，GeForce RTX 4090 (24G)，
微调qwen2.5-3b
独立完成，模型微调。 ● 原模型：qwen2.5-3b-instruct ● 数据集：meow_reasoning_100k ● 设备：GeForce RTX 4090 (24G)，系统Ubuntu，单机4卡
立即沟通
