Hire this AI Trainer
Sign in or create an account to invite AI Trainers to your job.
No software listed
Document
Text
Question Answering
Emotion Recognition云端—本地双模式私有知识库RAG问答系统（前后端分离：React+FastAPI，LangChain编排）. Core strengths include LangChain, Chroma, and LM Studio. Education includes Bachelor of Science, Luoyang Institute of Technology (2026). AI-training focus includes data types such as Document and Text and labeling workflows including Question Answering, Emotion Recognition, and Translation.
DocumentQuestion Answering负责构建云端—本地双模式私有知识库RAG问答系统，并将文档解析、分块、向量化检索与生成流程串联起来以支持问答。针对本地轻量化模型的幻觉与知识边界问题，设计并实现检索与生成的双通道容错与策略自适应切换。通过消融实验验证三项本地优化策略的协同效果并对性能进行量化评估。 • 文档解析与多格式管理（支持五种格式），实现索引与检索前处理 • 轻量化检索策略设计（检索块3→2）与两段式摘要回答（先压缩后生成） • 关键词增强检索作为兜底召回方案，提升召回与回答稳定性 • 云端调用DashScope API、本地使用LM Studio加载本地模型并进行切换策略管理
Document开发基于DeepSeek的智能翻译助手，将PDF及其他文件输入发送至模型进行翻译处理并保证任务稳定执行。实现命令行与YAML配置以指定模型、API Key、输入输出格式（如markdown），并提供重试与限速机制以处理短暂失败。进一步加入向后兼容层，便于平滑切换模型提供商并保持接口一致性。 • 构建文件到翻译的端到端处理流程，支持PDF与多种文件格式 • 支持命令行与YAML配置驱动的模型/API/格式管理 • 集成重试与限速机制保障翻译任务稳定性 • 输出格式适配（如markdown）与兼容性设计，降低切换成本
TextEmotion Recognition构建基于情感分析的外卖评论系统，对中文短文本进行好评/差评二分类建模与评估。对约15000条外卖评论数据完成训练与评估流程设计，支持字符级编码与BERT编码两种特征方案。集成多种可切换模型结构并产出真实标签与预测结果以便开展错误分析。 • 设计端到端可复现的数据训练→评估流水线与多模型对比 • 支持Embedding/预训练模型特征提取的混合方案与编码策略切换 • 模型可选fastText、RNN/LSTM/GRU、CNN、RCNN及BERT系列（bert/bert_lstm/bert_cnn） • 输出标签与预测结果用于错误分析，最优准确率达到89%
Bachelor of Science, Internet of Things Engineering
large model
