项目背景：针对某产品的用户进行NPS调研，获取用户对某产品的使用评价，为了更好的优化产品，对用户的评价进行分类，从用户的评价中提取出用户描述所涉及的功能，对应的问题。 主要职责：（1）进行原始数据的清洗与加工；（2）负责大模型的微调工作，主要负责Chatglm2模型的微调，微调方式为p-tuning-v2。（3）使用微调后的模型，进行文本分预测，并将模型的结果与文心模型的结果进行对比分析； 主要成果：完成基于chatglm2微调模型的训练，针对原始的数据进行标签提取，提取准确率高达92%，且由于文心模型； 主要技术栈：chatglm2、ptuning-v2等。

项目背景：针对广东某医院 app，开发智能问诊模块，对用户输入进行分析和判断，初步判断用户患病情况，并给出就医指南。 主要职责：负责开发 NLP模块的相关模型，并进行模型训练和部署。包括：（1）命名实体识别模型（LSTM+CRF）：主要用于识别句子中包含的实体，如：病名、症状词汇等；（2）命名实体判别模型（Bert+TextCNN）：用于检查病名和症状词汇，是否为真正的实体，若是，将其保存至图数据库；若不是，则进行舍弃；（3）句子主题一致性判别模型（Bert+BiLstm）：用于识别用户输入的话语，判断前后两句是否围绕同一主题进行；（4）模型部署：基于容器（docker）技术，利用 Flask 框架，对模型进行封装，对外提供接口； 主要成果：开发的 NLP 相关模型，其准确率均在 90%以上，良好的支撑了模型项目开展。 主要技术栈：docker、redis、neo4j、NLP、Flask

项目背景：趣头条 app 信息流推荐系统，由腾讯承接，包括图文信息推荐、视频信息推荐，我方提供推荐接口，客户请求接口，我方生产推荐信息，并进行反馈。 主要职责：（1）负责图文推荐过程中，粗排、精排模块的模型开发、部署、优化，包括 DSSM 模型，MMoE 模型；（2）负责推荐效果的监控与分析，根据分析结果，对推荐系统召回模型进行优化，增加或者调整召回策略，如热门召回、协同过滤、基于物品相似度的实时召回、基于用户相似度的召回等； （3）配合工程端同学，进行推荐系统 saas 化建设。 主要成果：（1）完成了图文推荐过程中粗排、精排模块的推荐模型的开发与优化，模型总体 AUC提升 2%；（2）对召回模块进行分析，增加多路召回，丰富召回结果。 主要技术栈：redis、kafka、推荐算法、hive、docker