Yang
算法工程师
- 公司信息：
- 菜鸟
- 工作经验：
- 3年
- 兼职日薪：
- 700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：
- 贵阳
- 全区
技术能力
1. 拥有2 段 NLP项目、1 段 LLM SFT 项目、1 段 Agent 项目经历，拥有1 篇 CCF-B 类会议论文，熟悉Python, SFT, Agent, Spark, Java 等。
2. 拥有一篇论文： Yang S, Yu L. CoSPA: An Improved Masked Language Model for Chinese Spelling Correction. UAI 2022: 2225-2234，第一作者。
项目经验
2024.8 – 2025.1 任务型对话机器人 算法应用
1. 小灵：1.1）意图识别：Spark 拉历史对话，GPT4o 预标注(含 prompt 调优)准确率 96%，微调 Qwen2-1.5b 准确率从 74%升至 91%。
1.2）优化 DM Agent：1）判断用户意图是否明确，87.56%，提升 11%；2）判断识别意图是否正确，93.06%，提升 17%。
2. 货车宝营销机器人：基于 LangChain/SalesGPT 创建 Multi-Agent 货车司机机器人，分别是 state 和 memory 提取信息、stage 引导
对话流程、strategy 输出策略、driver 生成话术。
--------------------------------------------------------------------------------------------
2023.11 – 2024.3 兵工商城的商品搜索和推荐 算法工程
1. 推荐：1）挖掘用户历史行为。2）召回商品：构建易混淆负样本对，对比学习 SimCSE。3）重排：faiss 计算相似度。P@5=0.93。
2. 搜索：1）意图识别，用 ChatGPT 提取 query 实体构建词库，映射类目、品牌。2）ElasticSearch 召回。3）bm25 粗排，业务精排。
--------------------------------------------------------------------------------------------
2020.11 – 2021.5 中文拼写纠错 算法工程
1. 数据优化：1）数据增强，BERT 生成错别字。2）数据去噪，NNLM 过滤伪正例，Co-teaching 解决不完全/不正确标注（伪负例）。
2. 解决过纠正：1）BERT 首次引入 CopyNet 机制，生成时动态加大原输入字的生成概率，F1 值提高 2%。2）检测&纠正联合模型。
3. 解决连续错字：1）预测层多轮解码，recall 提 2%。2）Beam search + NNLM +阈值筛选，F1 提 1%。3）对比学习，F1 提 1%。
4. 错别字粗召回：在纠错模型前过滤不含错别字的句子。用 ERNIE 蒸馏 RoBERTa_tiny，训练方式为“序列标注+句子级别二分类”
的多任务。在保召回率 95%下，相比蒸馏前，过滤比例从 39.41%降到 29.43%，但推理性能提升 20 倍，模型可实用。
案例展示
-
货车宝营销机器人Agent
基于 LangChain/SalesGPT 创建 Multi-Agent 货车司机机器人，分别是 state 和 memory 提取信息、stage 引导对话流程、strategy 输出策略、driver 生成话术。
-
中文拼写纠错
1. 数据优化：1）数据增强，BERT 生成错别字。2）数据去噪，NNLM 过滤伪正例，Co-teaching 解决不完全/不正确标注（伪负例）。 2. 解决过纠正：1）BERT 首次引入 CopyNet 机制，生成时动态加大原输入字的生成概率，F1 值提高 2%。2）检测&a
