猿急送>

北京其它兼职程序员

ID：424699

骑猪看日出

计算机技术硕士

公司信息：
北京交通大学

工作经验：
1年

兼职日薪：
500元/8小时

兼职时间：
可工作日驻场（自由职业原因）

所在区域：
北京
海淀

技术能力

编程与工具：熟悉Python、Pytorch、Transformer，熟悉常用数据结构与算法，了解计算机网络与操作系统原理
大模型与检索：熟悉LangGraph语法，了解RAG、MCP、Function Calling、Memory、Skills等技术架构。
数据库层：了解Neo4j、Milvus、MySQL、Redis，具备多源异构数据的整合应用经验。
微调与对齐：熟悉Full-SFT、LoRA等高效微调技术，了解PPO、DPO、GRPO等偏好对齐算法。

项目经验

K12数学题解答多模态模型全链路训练 2026.4 – 2026.7
核心技术栈：Qwen2.5-VL-32B + Megatron-LM（TP/PP/DP/SP）+ verl + vLLM
项目背景：OCR+纯文本大模型方案存在识别准确率低、几何图形信息丢失等问题，图片数学解题准确率仅为58%，难
以满足业务需求；
 CPT训练：基于Qwen2.5-VL-32B基座模型，使用Megatron-LM在32张A800 GPU上进行2千万图文对
+100B文本数据混合训练；
 SFT微调：构建thinking/no-thinking混合训练集(77万条，3:1配比)，增强模型指令遵循、视觉特征理解和推理
能力，并要求生成指定格式的回复;
 RL阶段：使用verl框架进行GSPO训练，经过去重、题型分类、可解答性筛选、Pass@K正确率筛选得到8万条
高质量RL训练集，优化奖励函数判题规则，通过异步奖励计算和vLLM推理加速优化训练效率。

医疗助手Agent系统 2025.12 - 2026.4
核心技术栈：
 模型与训练：Qwen3.5-9B、医疗 VLM、SFT + GSPO、多维度复合奖励、easyr1
 检索与推理：MedEmbed、RAG、Milvus、Mem0、双层记忆机制
项目背景：传统单Agent医疗问答系统存在响应效率低、复杂问题分析不全面、多轮对话上下文理解能力弱等问题。
面对多症状、多维度的医疗咨询时，回答准确性与稳定性不足；同时缺乏长效记忆机制，无法连贯理解用户意图，难以
满足实际医疗场景下高效、可靠、安全的智能问答需求
 Skills-Agent两层架构：底层构建7个原子Skills（知识检索、风险评估、症状分析、生活方式建议、ICD-10编
码、临床指南、深度研究）供Agent使用，上层3个专业Agent（健康咨询、症状诊断、医学研究）根据任务需求自
主选择调用，Skills和Agent完全解耦；
 Agent Loop执行机制：基于ReAct框架实现Think-Act-Observe循环，LLM自主决策工具调用并观察结果，设
置硬性限制最多调用2次工具防止过度调用，单Agent平均响应时间控制在15秒以内；
 Agent Swarm协作系统：智能路由判断问题复杂度（70%单Agent快速通道/30%Swarm协作模式），复杂问题
自动分解任务并分配给多个Agent并行执行，Agent间通过共享上下文间接共享任务状态和执行结果；
 双层记忆机制：短期记忆管理会话级对话历史（单例模式确保所有Agent共享会话上下文，集成熵管理器自动去重
压缩消息35%，加载最近5轮对话），长期记忆通过Mem0云服务向量化存储会话总结支持跨会话相似案例检索；
 Harness Engineering约束系统：通过YAML文件显式定义Agent能力边界并运行时自动验证，实现输出自动修
复机制（缺少免责声明自动添加、检测到高危症状自动添加就医警告）；
 底层VLM模型训练：基于 Qwen3.5-9B 训练医疗问答 VLM 作为 3 个 Agent 的推理引擎，采用 SFT+GSPO
两阶段训练，分别使用 40 万 / 10 万条医疗 VQA 数据，并通过多维度复合奖励机制提升模型推理质量