自 算法研发 算
LLM训练 L
基于LLaMA/chatGLM/BLOOM⽣成式⼤语⾔模型基础上，结合Deepspeed、LoRA、RLHF等⼯具或算法，在自有数据集上
重新进⾏微调，推进⼤语⾔模型在现有任务中的应用研究以及对原有任务的优化。研究剪枝、量化等模型小型化技术以及
模型加速⽅法。
⽣成式对话/机器⼈/问答 ⽣
私有化部署，可面向细分领域⽣成式对话/问答模型
1. 准备预训练后的基础小模型
2. 收集整体开源可以用于Instrcut tuning数据集，以及针对特定领域自主设计数据集
3. 使用数据集进⾏tuning
4. 设计prompt模版，提供更新频繁知识或数据
语义/内容理解 语
使用⽣成式语⾔模型进⾏⽂本语义内容理解，如⽣成⽂本的表示，并利用⽂本的表示做⽂本相似、语义聚类等任务，优化
原有内容理解相关⼯作，如⽂本检索等。基于⽣成式语⾔模型设计prompt进⾏用户意图识别、⽂本分类、⽂本摘要⽣成等
任务。
搜索系统(对话、推荐) 搜 算法研发 算
作为集团六⼤核⼼底层技术之⼀，研发主要面向集团寿险、产险、⾦管家、银⾏首页APP等核⼼应用中，以搜索为主线，
同时囊括推荐、对话等模块。
项目实践： 项
主要负责query分析、改写、意图识别、召回、相关性、搜索排序优化及对话、推荐等⼯作,以及负责先进算法的研究应用，
并协助进⾏产品设计。
1. 基于term字面匹配召回以及语义召回实践，⽂本Embedding、样本采样、对比学习等;
2. 搜索相关性实践;
3. 搜索排序优化；
4. 任务式对话系统自然语⾔理解算法实践，槽位识别、意图识别，从不同渠道召回对话候选集;
5. 任务式对话LTR实践，即从候选集中通过算法进⾏排序，返回结果到用户；
6. 利用客服对话数据进⾏归因分析实践，语义聚类分析、关键词抽取、⽂本摘要;
7. 搜索结果页（对话）推荐：对话话术推荐、猜你想问/猜你喜欢/相关搜索。

自 算法研发 算
LLM训练 L
基于LLaMA/chatGLM/BLOOM⽣成式⼤语⾔模型基础上，结合Deepspeed、LoRA、RLHF等⼯具或算法，在自有数据集上
重新进⾏微调，推进⼤语⾔模型在现有任务中的应用研究以及对原有任务的优化。研究剪枝、量化等模型小型化技术以及
模型加速⽅法。
⽣成式对话/机器⼈/问答 ⽣
私有化部署，可面向细分领域⽣成式对话/问答模型
1. 准备预训练后的基础小模型
2. 收集整体开源可以用于Instrcut tuning数据集，以及针对特定领域自主设计数据集
3. 使用数据集进⾏tuning
4. 设计prompt模版，提供更新频繁知识或数据
语义/内容理解 语
使用⽣成式语⾔模型进⾏⽂本语义内容理解，如⽣成⽂本的表示，并利用⽂本的表示做⽂本相似、语义聚类等任务，优化
原有内容理解相关⼯作，如⽂本检索等。基于⽣成式语⾔模型设计prompt进⾏用户意图识别、⽂本分类、⽂本摘要⽣成等
任务。
搜索系统(对话、推荐) 搜 算法研发 算
作为集团六⼤核⼼底层技术之⼀，研发主要面向集团寿险、产险、⾦管家、银⾏首页APP等核⼼应用中，以搜索为主线，
同时囊括推荐、对话等模块。
项目实践： 项
主要负责query分析、改写、意图识别、召回、相关性、搜索排序优化及对话、推荐等⼯作,以及负责先进算法的研究应用，
并协助进⾏产品设计。
1. 基于term字面匹配召回以及语义召回实践，⽂本Embedding、样本采样、对比学习等;
2. 搜索相关性实践;
3. 搜索排序优化；
4. 任务式对话系统自然语⾔理解算法实践，槽位识别、意图识别，从不同渠道召回对话候选集;
5. 任务式对话LTR实践，即从候选集中通过算法进⾏排序，返回结果到用户；
6. 利用客服对话数据进⾏归因分析实践，语义聚类分析、关键词抽取、⽂本摘要;
7. 搜索结果页（对话）推荐：对话话术推荐、猜你想问/猜你喜欢/相关搜索。

自 算法研发 算
LLM训练 L
基于LLaMA/chatGLM/BLOOM⽣成式⼤语⾔模型基础上，结合Deepspeed、LoRA、RLHF等⼯具或算法，在自有数据集上
重新进⾏微调，推进⼤语⾔模型在现有任务中的应用研究以及对原有任务的优化。研究剪枝、量化等模型小型化技术以及
模型加速⽅法。
⽣成式对话/机器⼈/问答 ⽣
私有化部署，可面向细分领域⽣成式对话/问答模型
1. 准备预训练后的基础小模型
2. 收集整体开源可以用于Instrcut tuning数据集，以及针对特定领域自主设计数据集
3. 使用数据集进⾏tuning
4. 设计prompt模版，提供更新频繁知识或数据
语义/内容理解 语
使用⽣成式语⾔模型进⾏⽂本语义内容理解，如⽣成⽂本的表示，并利用⽂本的表示做⽂本相似、语义聚类等任务，优化
原有内容理解相关⼯作，如⽂本检索等。基于⽣成式语⾔模型设计prompt进⾏用户意图识别、⽂本分类、⽂本摘要⽣成等
任务。
搜索系统(对话、推荐) 搜 算法研发 算
作为集团六⼤核⼼底层技术之⼀，研发主要面向集团寿险、产险、⾦管家、银⾏首页APP等核⼼应用中，以搜索为主线，
同时囊括推荐、对话等模块。
项目实践： 项
主要负责query分析、改写、意图识别、召回、相关性、搜索排序优化及对话、推荐等⼯作,以及负责先进算法的研究应用，
并协助进⾏产品设计。
1. 基于term字面匹配召回以及语义召回实践，⽂本Embedding、样本采样、对比学习等;
2. 搜索相关性实践;
3. 搜索排序优化；
4. 任务式对话系统自然语⾔理解算法实践，槽位识别、意图识别，从不同渠道召回对话候选集;
5. 任务式对话LTR实践，即从候选集中通过算法进⾏排序，返回结果到用户；
6. 利用客服对话数据进⾏归因分析实践，语义聚类分析、关键词抽取、⽂本摘要;
7. 搜索结果页（对话）推荐：对话话术推荐、猜你想问/猜你喜欢/相关搜索。

自 算法研发 算
LLM训练 L
基于LLaMA/chatGLM/BLOOM⽣成式⼤语⾔模型基础上，结合Deepspeed、LoRA、RLHF等⼯具或算法，在自有数据集上
重新进⾏微调，推进⼤语⾔模型在现有任务中的应用研究以及对原有任务的优化。研究剪枝、量化等模型小型化技术以及
模型加速⽅法。
⽣成式对话/机器⼈/问答 ⽣
私有化部署，可面向细分领域⽣成式对话/问答模型
1. 准备预训练后的基础小模型
2. 收集整体开源可以用于Instrcut tuning数据集，以及针对特定领域自主设计数据集
3. 使用数据集进⾏tuning
4. 设计prompt模版，提供更新频繁知识或数据
语义/内容理解 语
使用⽣成式语⾔模型进⾏⽂本语义内容理解，如⽣成⽂本的表示，并利用⽂本的表示做⽂本相似、语义聚类等任务，优化
原有内容理解相关⼯作，如⽂本检索等。基于⽣成式语⾔模型设计prompt进⾏用户意图识别、⽂本分类、⽂本摘要⽣成等
任务。
搜索系统(对话、推荐) 搜 算法研发 算
作为集团六⼤核⼼底层技术之⼀，研发主要面向集团寿险、产险、⾦管家、银⾏首页APP等核⼼应用中，以搜索为主线，
同时囊括推荐、对话等模块。
项目实践： 项
主要负责query分析、改写、意图识别、召回、相关性、搜索排序优化及对话、推荐等⼯作,以及负责先进算法的研究应用，
并协助进⾏产品设计。
1. 基于term字面匹配召回以及语义召回实践，⽂本Embedding、样本采样、对比学习等;
2. 搜索相关性实践;
3. 搜索排序优化；
4. 任务式对话系统自然语⾔理解算法实践，槽位识别、意图识别，从不同渠道召回对话候选集;
5. 任务式对话LTR实践，即从候选集中通过算法进⾏排序，返回结果到用户；
6. 利用客服对话数据进⾏归因分析实践，语义聚类分析、关键词抽取、⽂本摘要;
7. 搜索结果页（对话）推荐：对话话术推荐、猜你想问/猜你喜欢/相关搜索。

技能
技能: 语言模型(Transformer/Bert/T5/GPT/chatGPT/PaLM/LLaMA/GLM) , 搜索 , 对话/问答 , 推荐 , Prompt Eng
ineering , Deepspeed , pytorch/tensorflow