前言

今天，畅宝给我发了几篇简历，让我突然也站在人工智能工作岗考虑了一下，作为一个面试官会考虑什么问题？同时也引发了我一些学历与工作经历之间权衡的思考。记录一下。

正文

1. 2024年应届生简历A

教育经历

211 本科 2016.09-2020.06
211 硕士 2022.09-2024.06

实习经历

xxx公司 2023.04-2023.05
数据挖掘实习生

  1. 负责商机数据库的搭建，对爬取的boss直聘、千里马招标网及APP加固数据进行清洗，补全并存储至数据库，根据关键词对岗位标题或者内容进行匹配，对公司数据进行量化，得到商机值
  2. 通过商机数据库进行商机挖掘，使用聚类算法通过构建的特征对各个公司进行聚类，将结果展示在前端，得到潜在商机大的公司群体，并通过定时更新，捕捉新出现的高商机公司，对接至销售

xxx公司 2023.05-2023.08
NLP算法实习生 人工智能应用部

  1. 处理结构化和非结构化数据，用pandas对ownthink、7lore 等开源大型知识图谱的2亿多三元组进行处理筛选，通过算法匹配战场环境相关的三元组
  2. 参与智能分析平台的构建，对实体抽取、关系抽取和事件抽取等算法进行调研和实现，并完成算法在智能分析平台上的部署
  3. 参与构建战场环境知识图谱，对标签传播、最短路径、节点重要性排序、关联分析等图谱相关算法进行调试部署
  4. 使用docker对公司智慧地球app的文本聚类、文本分类、关键词抽取、文本表示、实体抽取、词性标注及句法分析等相关算法进行调试，方便后期部署供app调用

项目经历

医疗知识问答系统搭建
项目流程如下：

  1. 收集百万医疗问答数据作为知识库，选用ChatGLM3-6b作为问答基座模型
  2. 构建数据集对text2vec-chinese-large模型进行微调。对文档进行分块处理，选用微调后的text2vec-chinese-large对分块文档进行Embedding处理，存储至向量数据库
  3. 通过文本召回和向量召回多路结合，提升相关文本召回率。通过倒数排序融合（RRF）对召回后的文本进行重排序,根据分数筛选若干文本
  4. 通过Prompt的形式将筛选后的文本和问题输送给大模型，让模型在给定文本上进行作答，改善大模型的幻觉问题
  5. 通过GPT-4对模型问答效果进行评估

专业技能

  1. 熟练使用 Python 编程，如数据处理脚本的编写和网络爬虫等，熟练使用Pandas，Numpy，Sklearn等常用库
  2. 熟练使用深度学习框架 PyTorch以及大模型开发工具 LangChain
  3. 熟悉 Linux 平台的基本操作及 Spark 的使用，熟练使用 Docker 进行算法部署
  4. 熟悉ChatGLM和LLama等大模型的基本原理及结构，熟悉大模型微调技术，如Prompt Tuning、P-Tuning、Prefix Tuning和LoRA等
  5. 熟悉自然语言处理相关算法及预训练模型，如 Transformer，Lstm，Textcnn，BERT，ALBERT，DistilBERT，GPT等
  6. 熟悉AI Agent相关原理及技术

个人总结

... 略

对于第一份：我给的几个面试问题

  1. 为什么选择ChatGLM-3b 作为基座模型，
  2. 你提到了大模型的幻觉问题，讲讲大模型的幻觉问题呗
  3. 最终的结果 和GPT-4比较 你是怎么比较的，你的evaluation matrix是什么，怎么知道谁好谁不好
  4. 这个langchain流程是怎么运作的吗，向量，数据库，大模型文化，答案总结，和优缺点
  5. 在比如这个航天宏图信息xxx公司 这个实习过程中，你遇到的最困难的问题是什么？你是如何解决的。
  6. 结构化和非结构化的数据，你详细描述一下你是怎么处理的，尤其是非结构化的数据，因为我确信NLP里面肯定有相当多的非结构化数据
  7. 在比如这个墨菲未来科技xxx公司 这个实习过程中，你遇到的最困难的问题是什么？你是如何解决的。
  8. 你知道市场上现在LLM的预训练模型有哪些吗，毕竟Bert Albert都感觉是上古时期的东西了
  9. 说说Transformer是什么呗
  10. 说说LLama的基本原理和结构

2. 2024年应届生简历B

教育经历

北京大学 本科 2019.09-2023.07

项目经历

基于深度神经网络的自动语音识别系统 2022.11-2023.03
在参考几个开源的ASRT模型之后，采取HMM-CNN的声学-语言模型，采取CTC作为损失函数，搭建了一个自动语音识 别系统。通过这次实践，加强了对于深度学习中几个神经网络的了解，对于tensorflow有了一定的了解。

校园技能

举办校园遥控车趣味赛 2021.03-2021.03
组织了校园遥控车趣味赛，提升了自己的沟通能力与人员组织能力。同时参与了遥控车控制算法的调试与遥控车的组 装，提升了自己的动手能力与专业能力。

北京大学学生会体育部 2019.10-2022.10
三年的时间里组织了“1024”程序员节，信科“三行情诗”等大型活动，不仅作为活动的策划与设计者，也是活动的参 与与维护者。在这期间锻炼了自己的人际交往能力与动手能力。同时也加强了自己的策划能力和组织能力。

技能特长

语言能力:能够读懂英文文献，能够使用英语进行交流、读写。
计算机:熟练掌握c++编程，对于算法有一定的了解，同时能运用python解决一些问题。
团队能力:具有丰富的团队协作与沟通经验。

荣誉证书

英语四级，听说读写能力良好，能流利的用英语进行日常交流，能快速浏览英文文档和书籍;
英语六级，能够阅读英文文献，同时熟练计算机方向的专业名词。

自我评价

... 略

对于第二份：我的感觉

这个没有什么好问的，简历确实不够出彩，唯一出色的估计就是教育经历了北京大学本科。之所以放这个是觉得，挺遗憾的... 这么好的第一学历，但是只在大学4年做了这些事情，挺遗憾的。毕竟清华北大是多少中国人一辈子的梦呢。

3. 2024年应届生简历C

教育经历

未知双非/211/985 本科
双非 硕士

工作项目经历

xxx公司 2022.8-2024.1
高级 NLP 算法工程师

  1. 内容风控-诈骗识别专项，主要涉及两个文本模型:色情诱导识别、色情交易识别以及一个图片编码模型:黑 库头像召回模型，均已上线提供服务;
    1. 负责该项目算法研发，承担数据准备、技术方案设计、模型训练、迭代更新改进以及基于 gunicorn+flask 的模型上线等工作;
    2. 文本模型均基于 Bert 提供风险文本识别功能，改进模型结构，使用 CNN 融合多层次特征进行分类， ACC 平均提升 4.57%;
    3. 图片编码模型基于 ViT 实现，对黑库中的图片和用户上传头像进行编码，搭建 faiss 向量库进行相似图 片召回;
  2. AIGC 探索及应用，前期带领小组成员进行歌曲风格转换(SVC)、文本到语音合成(TTS)、人脸替换、图片 生成等方向的效果调研探索，落地 Aiidol 微信小程序应用。后期主要着重于生成式大型语言模型(LLM)的 微调训练以及推理应用，落地上线 AI 佛祖和多模态情感陪伴聊天应用;
    1. 在语音生成、图像生成方面(技术调研和效果摸底):
      1. 在歌曲风格转换方向，基于 so-vits 训练孙燕姿、孙楠、周杰伦等相关歌手演唱风格模型，并部署了一
        套歌曲风格转换服务;
      2. 在文本到语音合成方向，落地 Aiidol 微信小程序应用，提供阿伦、坤坤等明星会话式语音聊天功能。前期基于 Vits 进行 TTS 语音合成，提供了基于原神-派蒙音色的高质量语音合成模型，由于 Vits 没有高 质量的开源中文预训练模型支撑，后期切换到 paddlespeech 进行小样本微调训练，并基于 paddlespeech 提供了音视频拼接合成、前后端交互功能，负责整个聊天链路流程控制;
      3. 在人脸替换方向，对 deepfake/faceswap 和 deepfake/roop 进行了探索应用，为实现定制化数字人 物数据集提供了技术手段;
      4. 在图片生成方向，基于 StabbleDiffusion1.5 和 StabbleDiffusion-XL 进行数字人物复刻，在该项目中 负责数据收集、数据清洗处理、数据集标注方法确定以及模型训练调优，基本实现人物数字复刻;
    2. 在生成式大语言模型方面(应用落地):
      1. 在生成式大型语言模型方向，对大型语言模型进行了训练微调探索以及应用落地，AI 佛祖应用已上线，多模态情感陪伴聊天应用目前仍处于开发阶段。在 AI 佛祖应用中，基于 Prompt 工程实现了诸如 AI
        佛祖解惑、AI 解梦、AI 占卜等相关功能。
      2. 在多模态情感陪伴聊天应用中，基于 Prompt 工程(RAG)和 sft 阶段的模型微调训练(全量微调和 Lora)实现可控聊天风格，基于 vllm 和 fastchat 框架进行模型部署，基于 GPT4 和人工辅助的模型效果评测 (聊天流畅度、角色一致性);
  3. 基于文本内容的用户标签画像，主要基于用户聊天内容进行用户标签画像，为推荐业务提供基于用户内容的 动态特征，第一阶段已实现用户深度会话率、充值率均提升 1.5%以上;
    1. 负责该项目的整体项目推进、算法研发，承担数据准备、技术方案设计及验证、服务上线等工作;
    2. 设计了多阶段的标签画像实现方案，第一阶段基于用户本体关键词和用户兴趣关键词进行向量(bge) 相似度计算，用于用户相关度加权推荐，第二阶段基于多维度的用户标签打标，目前第一阶段已上线;

xxx公司 2020.7-2022.8
NLP 算法工程师

  1. 研发并上线中文未成年账号识别模型，提供基于在线对话检测的未成年账号识别功能，相较基于单条文本分类模型的未成年识别准确率提升 20%+，召回率提升 45%+;
    1. 负责该项目研发，承担数据挖掘、方案设计、实验改进等工作，配合 TensorRT 和推理引擎同学完成开发上线，形成基于对话形式的内容风险检测框架;
    2. 基于 Bert 模型改进注意力，新增句子分段注意力 mask;新增 speaker embeding，融入说话人信息;修改 postion 编码，为每个句子单独分配 position 区间;修改分类层，动态使用目标句向量进行分类;
  2. 研发并上线文本多语种识别模型，结合字符域和模型识别提供多语种识别功能，迭代更新相关模型;
    1. 负责该项目研发，承担数据准备、方案设计、模型训练及调整等工作;
    2. 搭建以字符域判别为基础的文字语系识别以及 fasttext 为基础的多语系多语种识别模型，首先使用Unicode 字符域对文字语系进行判别，再通过基于本领域语料训练的 fasttext 模型对该语系下的语种进行进一步分类，即可以提供多语种输出，也可以按一定规则提供单语种输出;
  3. 承担海外风险文本识别业务，基于文本分类提供包括英语以及阿拉伯语文本风险识别功能，迭代更新相关模型;
    1. 负责该项目研发，承担数据发现、模型实验及调整、主动发现及误漏杀解决流程设计实现等工作;
    2. 前期主要使用 SVM 提供基本效果，并利用 SVM、关键词匹配、句向量匹配方式挖掘样本数据;
    3. 后期切换到 bert 进行文本分类，探索并利用 Rdrop、model ensemble 相关技术提高分类效果，利用
      Mask Loss、Label Attention 相关技术解决多标签定义相互冲突问题;
    4. 构建完整的误漏杀解决以及主动发现体系，误漏杀 case 经过自动化提词、句向量匹配获得可进行标注的目标样本，主动发现则以 bert 降阈值以及模糊分类为主;
    5. 利用 salience map 关键词提取技术、智能名单技术提高策略端解 case 能力，提供相关技术平台接口

发表论文及相关成果

一篇论文 《计算机应用》
一个国家级比赛B级证书

对于第三份：我的感觉

我的第一感觉是，哇这个项目好多，感觉做过很多东西，但是后来想了一下，平均2年时间3个项目，真的能做这么多东西吗。但是无论如何这份简历比前两份好很多，虽然学历是双非，但是目前的我，真的感觉学历没有工作经历项目那么的重要。因为一个好的学历应该就能带给你好的研究成果，如果你没有把握住优秀学历带给你的机会，那么你的学历将会一文不值。

总结

三份简历，三个想法。

做个记录。

参考

[1] 2024年某应届生简历A
[2] 2024年某应届生简历B
[3] 2024年某应届生简历C

Q.E.D.

立志做一个有趣的碳水化合物