我曾深度参与一个千万级参数大模型的迭代优化项目，主要负责指令微调（Instruction Tuning）和伦理安全对齐阶段的数据生产与质量管控。 多维度的Prompt撰写与回复排序（RLHF）： 我精通根据复杂的打分矩阵（如Helpful
我曾深度参与一个千万级参数大模型的迭代优化项目，主要负责指令微调（Instruction Tuning）和伦理安全对齐阶段的数据生产与质量管控。 多维度的Prompt撰写与回复排序（RLHF）： 我精通根据复杂的打分矩阵（如Helpfulness, Honesty, Harmlessness）对模型生成的4-6个备选回复进行精细化的偏好排序。这不仅要求甄别事实性错误（Factual Error），更需要对潜在的风险偏见（Bias）和隐含毒性（Implicit Toxicity）保持高度敏感。 细粒度标注与思维链（CoT）解锁： 针对数学逻辑和复杂推理任务，我负责撰写详细的思维链（Chain-of-Thought）标签，将隐式的推理步骤显式化，以引导小参数模型进行有效学习。我在该项目中累计完成了超过2万条高质量CoT数据的标注，显著提升了模型在GSM-8K数学基准上的准确率。 标注体系搭建与质控（QA）： 我曾担任标注小组的质检组长，主导制定了针对主观性文本的“边缘案例处理手册”。通过每日的校准会议（Calibration Meeting）和隐式一致性检查（利用黄金测试集测算Kappa值），我将团队的标注一致性（Agreement Rate）从最初的78%提升并稳定在92%以上，将无效标注的返工率降低了60%。 工具链应用： 熟练使用Labelbox、CVAT等主流标注平台，并具备编写简单的Python正则表达式进行预标签清洗（Pre-labeling）的能力，有效提升了原始数据清洗效率。
Not specified