AMAZING RESUME · SOFT RADIUS
牛敬业
自然语言处理工程师
188****2780niu****@***.com北京30男自然语言处理工程师在职北京25k - 35k •系统选修了自然语言处理、深度学习、大数据分析与挖掘等前沿课程，专业课均分92+，综合排名前8%，获微软学者奖学金。
•在导师指导下参与国家重点研发计划项目，负责基于大语言模型的对话式阅读理解研究，于ACL发表一作论文，并获优秀论文奖。
•作为课程助教，组织本科生团队参加Kaggle NLP竞赛，完成开放域问答赛道银牌方案，积累了从理论到落地的完整指导经验。
北京某科技有限公司 - 人工智能研发部高新技术企业行业先锋
2016.07-2019.12
•- 负责公司舆情分析平台的自然语言处理算法研发，主导了多标签文本分类体系重构，引入层次化注意力机制，将细粒度分类准确率从87%提升至93%，支撑了金融、政务等多个行业客户的实时舆情预警。
•- 参与构建企业级知识图谱项目，设计并实现了从非结构化文档中抽取实体、属性、关系的流水线，结合远程监督与主动学习，实现千万级实体关系的自动构建，为智能问答和风险监测提供底层数据支撑。
•- 带领小组完成多项文本理解技术难点攻关，建立内部技术分享与代码审查机制，培养出两位能独立负责算法模块的初级工程师。
北京某互联网公司 - 人工智能研究院知名互联网企业创新驱动型企业
2020.01-至今
高级自然语言处理工程师技术架构算法创新产学研合作
北京
•- 作为技术负责人，主导了公司新一代智能写作助手的NLP模块研发，实现了多轮对话式文本生成、篇章级语义连贯性控制，产品上线后用户创作效率提升45%，周活跃度增长60%。
•- 优化了大规模文本摘要系统，在新闻、法律文书等长文本场景下，ROUGE-L评分提高了18%，并成功交付给三家媒体与律所客户，成为公司标准化智能能力组件。
•- 与研究院合作开展跨模态预训练模型落地研究，将轻量化适配方案应用于移动端翻译与内容理解，显著降低推理延迟，保持公司在端侧智能上的技术竞争力。
•- 项目背景：为应对金融领域海量资讯中蕴含的市场情绪与风险信号，公司需要构建一套高精度、低延迟的舆情分析系统，辅助投资决策与合规管理。
•- 项目内容：负责情感与立场分析模型的构建与迭代，采用预训练语言模型结合金融领域词典增强，对新闻、论坛、研报等多源文本进行细粒度情绪识别。引入对抗训练提升模型对噪声数据的鲁棒性，并设计在线学习策略，使模型持续适应市场话语变化。
•- 项目成果：情感分析综合准确率达91.5%，系统上线后帮助客户提前捕捉到多次行业波动信号，某基金公司使用后投研效率提升25%。
•- 项目背景：随着司法信息化推进，大量判决书、合同等文本需要自动结构化，以提升案例检索、相似案件匹配等应用的效率。
•- 项目内容：负责实体识别与关系抽取模块，针对法律文本中长句、嵌套实体、因果链条等难点，设计了基于片段排列的联合抽取模型，并利用法律知识图谱进行弱监督数据增强。采用提示学习（Prompt Tuning）范式，在少量标注数据下快速适配不同案由场景。
•- 项目成果：关键信息抽取F1值达到86.5%，在合作律所的实际使用中，案例检索与摘要生成用时缩短40%，辅助律师快速定位证据链。
对语言智能的底层逻辑始终抱有强烈好奇，享受用模型让机器理解语境的每个突破时刻，有代码洁癖并追求可复现的工程美感。习惯从数据分布与语义边界出发梳理问题，擅长将复杂需求拆解为可验证的算法方案，在深度学习与知识图谱的结合上形成了自己的敏感度。抗压且乐于推动技术共识，能沉淀方法论而非仅解决单点任务，希望持续在自然语言处理领域做有深度、能落地的探索。
知识增强推理与检索应用:
掌握知识图谱全生命周期技术，包括本体建模、实体对齐、路径推理与图神经网络补全，能基于Neo4j构建高效知识查询系统。
具备将结构化知识与大语言模型结合的经验，擅长利用知识图谱约束解码或检索增强生成，提升对话系统的事实一致性与可解释性。
