ID:405403
复制
应家明
算法工程师 · 2年经验 · 网易
0
累计接单
0
用户评价
0
被收藏
技术能力
Python：
机器学习，数据挖掘，计算机视觉
大模型，做过RAG、结合强化学习
编写过Unix脚本、爬虫、数值模拟、编译器、密码学、文档生成等领域的程序
C、C++：
熟悉基本原理，有实际Unix系统编程和socket编程经验
有Linux内核修改经验，移植过驱动和BSP
Linux：
熟悉指令与软件编译
其它：
了解Java、Lisp、Win32编程
计算机专业硕士
雅思7.5，英文可作为工作语言
机器学习，数据挖掘，计算机视觉
大模型，做过RAG、结合强化学习
编写过Unix脚本、爬虫、数值模拟、编译器、密码学、文档生成等领域的程序
C、C++：
熟悉基本原理，有实际Unix系统编程和socket编程经验
有Linux内核修改经验，移植过驱动和BSP
Linux：
熟悉指令与软件编译
其它：
了解Java、Lisp、Win32编程
计算机专业硕士
雅思7.5，英文可作为工作语言
项目经验
基于大语言模型的任务分解系统复现
• 任务分解为多步决策过程，蒙特卡洛树搜索（MCTS）可提升大模型多步决策能力；从头实现MCTS训练框架，求解性能与纯粹使用GPT-4（同期最先进大模型）相当
• 由问题生成思维链数据，经解析与清洗后对DeepSeek-math-7b-base模型进行指令微调
• 使用 MCTS，筛选出6万条完整解法，基于DeepSpeed编写训练框架，提升估值能力
• 有望增强团队内大模型服务的任务分解能力，服务国内及海外数亿用户
基于协同过滤的雷同检测算法
• 使用图嵌入技术与协同过滤思想，对选手提交的代码进行数据挖掘
• 并融合代码浅层次特征，实现在各种代码提交上的自适应特性
• 与基线方法相比，鲁棒性与准确性均有显著提高，可发现疑似规避常规方法的雷同
• 任务分解为多步决策过程，蒙特卡洛树搜索（MCTS）可提升大模型多步决策能力；从头实现MCTS训练框架，求解性能与纯粹使用GPT-4（同期最先进大模型）相当
• 由问题生成思维链数据，经解析与清洗后对DeepSeek-math-7b-base模型进行指令微调
• 使用 MCTS，筛选出6万条完整解法，基于DeepSpeed编写训练框架，提升估值能力
• 有望增强团队内大模型服务的任务分解能力，服务国内及海外数亿用户
基于协同过滤的雷同检测算法
• 使用图嵌入技术与协同过滤思想，对选手提交的代码进行数据挖掘
• 并融合代码浅层次特征，实现在各种代码提交上的自适应特性
• 与基线方法相比，鲁棒性与准确性均有显著提高，可发现疑似规避常规方法的雷同
立即沟通
