Lat29N
初级研究员
- 公司信息：
- 南方科技大学
- 工作经验：
- 1年
- 兼职日薪：
- 500元/8小时
- 兼职时间：
- 下班后
- 周六
- 周日
- 可工作日远程
- 所在区域：
- 北京
- 海淀
技术能力
一、编程语言与算法底层开发
核心开发语言为Python，熟练运用NumPy、Pandas、Matplotlib完成运筹数据集构建、数值仿真、实验指标测算与可视化；精通启发式优化、多目标规划代码工程化，独立完成VRP车辆路径、3D三维装箱全套求解逻辑开发。同时掌握C++与STL标准库，可编写高性能基础优化算法，兼顾运行效率与代码可读性，曾凭借算法开发能力获得蓝桥杯C++组省三等奖。
二、大模型LLM Agent与提示工程技术
精通大语言模型智能体全链路研发，熟练使用LangChain搭建自主求解Agent架构；自研约束引导少样本提示策略，实现自然语言业务描述到优化求解代码的端到端生成；掌握多智能体协同推理、业务约束自动解析、冲突诊断Agent设计，针对不可行VRP场景搭建逆向分析智能体，自动定位约束冲突并输出可落地调优方案。自研ARS、ARS-II、APS三套大模型优化求解框架，对比主流LLM基线性能平均提升30%以上，相关成果已投递CCF A类会议、SCI一区期刊。
三、运筹组合优化建模能力
深耕车辆路径VRP、三维装箱3D Bin Packing、高维目标空间优化等工业核心问题；熟练使用拉丁方采样、克里金代理模型、最大连通图剪枝、反向淘汰Top-K区域等降维优化技术，解决维度爆炸难题；可独立搭建标准化评测数据集（RoutBench车辆路径数据集、128组多场景三维装箱实例集），设计完整消融对比实验，量化算法生成准确率、求解稳定性等核心指标。
四、AI开发工具：Claude Code 工程提效
熟练运用 Claude Code 完成算法项目全流程研发提效，依托其代码生成、逻辑排错、批量重构、实验脚本自动编写能力，加速运筹算法与LLM智能体的迭代开发；借助工具完成大规模仿真代码批量生成、实验报告自动整理、多版本基线快速复现，大幅缩减数据集调试、提示词迭代、优化逻辑重构的开发周期，适配学术算法项目高频实验迭代需求。
五、Web工程、文档与综合能力
掌握Vue+ECharts、SSM、MySQL全栈开发，可搭建多角色Web业务系统，实现语音文件上传、模型预测、可视化报告自动生成；英语四级，无障碍阅读AI、运筹优化外文文献，具备完整英文论文撰写、学术成果投稿经验；拥有互联网+创新创业大赛实践经验，擅长将大模型+组合优化技术落地至物流仓储、医疗预测等实体行业场景。
项目经验
深耕大模型Agent与组合优化交叉领域，以车辆路径VRP、三维装箱3D Bin Packing两大工业核心运筹问题为核心完成多项完整落地研究项目，具备数据集构建、LLM智能体架构设计、优化算法自动生成、多目标冲突诊断全链路研发能力。
自主搭建RoutBench车辆路径、128组多场景三维装箱专用评测数据集，填补行业标准化测试样本空白；先后设计ARS、ARS-II、APS三套大模型自动求解框架，基于LLM Agent实现自然语言需求解析、约束自动匹配、启发式优化代码端到端生成。针对无解VRP场景创新模型诊断Agent机制，逆向解析冲突约束并输出可落地调优方案；采用约束引导少样本提示策略大幅提升算法生成准确率，自研框架在自研数据集上分别实现91.67%、80.47%求解/生成精度，对比主流LLM基线方法性能平均提升超30%。
相关成果两篇投CCF A类会议、一篇撰写完成拟投SCI一区期刊，完整掌握Python/C++优化开发、多智能体调度、组合优化与大模型融合落地方案，可独立承接物流仓储、生产排程类AI优化系统开发需求。
