大模型RLHF偏好排序与对齐(评估与改写)
在大模型RLHF相关偏好排序与对齐工作中,熟练对LLM回答质量进行评估与打分。能够站在Helpfulness、Honesty、Harmlessness的人类真实意图角度,对模型生成文本进行排序、事实核查与改写润色。通过一致的评估标准促进偏好对齐数据的质量提升。•按价值维度对回答进行评分并形成偏好排序•对生成内容进行事实核查(Fact-Checking)•对不合规或不准确文本进行改写润色•用于RLHF偏好对齐与训练数据构建。
Hire this AI Trainer
Sign in or create an account to invite AI Trainers to your job.
An AI-Native developer and data specialist with hands-on experience in multi-modal data processing, RLHF preference ranking, and prompt evaluation. Proficient in executing high-standard data labeling, OCR verification, and text chunking optimization for RAG knowledge bases. Adept at leveraging advanced workflow tools (Trae, Claude Code, Coze) to efficiently process text, image, and video data while ensuring 99%+ accuracy and strict confidentiality.
在大模型RLHF相关偏好排序与对齐工作中,熟练对LLM回答质量进行评估与打分。能够站在Helpfulness、Honesty、Harmlessness的人类真实意图角度,对模型生成文本进行排序、事实核查与改写润色。通过一致的评估标准促进偏好对齐数据的质量提升。•按价值维度对回答进行评分并形成偏好排序•对生成内容进行事实核查(Fact-Checking)•对不合规或不准确文本进行改写润色•用于RLHF偏好对齐与训练数据构建。
在校园交通微观数据采集与清洗项目中,担任项目负责人进行路段流量数据的采集、整理与结构化处理。对包含视频与人工记录的非结构化数据进行清洗标准化,形成可直接用于交通仿真软件的结构化输入。通过建立规范的数据矩阵,支持后续Vissim仿真与分析任务。•采集校园周边复杂路段高峰期流量并进行人工计数•对零散视频与记录进行清洗与标准化•将数据转化为Vissim可读取的结构化流量矩阵•确保交付数据格式与工程可用性。
在自建的多模态3D智能解题系统数据集构建项目中,负责图像相关数据的采集、清洗与高质量标注。完成OCR文字标注、知识点Tagging,并将解题思维链(CoT)以结构化Prompt形式编写以满足训练输入一致性要求。通过对噪声样本进行剔除与质量控制,提升数据可用性与训练稳定性。•采集并清洗数千张包含数学公式与几何图形的学术图像•剔除模糊、重复与低质量样本•进行OCR文本校对与知识点结构化标注•编写并结构化CoT解题Prompt用于模型训练。
Bachelor of Science, Urban Rail Transit Operations Management
Project Lead