大模型算法岗位简历中项目经验别再只写“部署LLaMA”，要写出微调效果与推理优化

大模型算法工程师负责大语言模型的微调、部署、提示工程及推理加速。简历应突出模型效果、推理吞吐量、显存优化及业务应用。本文通过案例，教您用数据证明您的LLM工程能力。

项目经验案例一：垂直领域大模型微调与知识增强

2022.04 - 2023.08 某AI公司 大模型算法工程师

项目背景：通用大模型在医疗问答中幻觉多，专业术语不准。

核心贡献：基于LLaMA-7B收集10万条医疗指令数据进行LoRA微调，医疗问答准确率从68%升至86%。引入知识图谱检索增强（RAG），降低幻觉，可解释性提升。

项目成果：模型部署于医院导诊系统，日均服务3000人次，准确率90%。

项目经验案例二：大模型推理优化与低成本部署

2023.01 - 至今 某创业公司 大模型算法工程师

项目背景：7B模型推理延迟高，显存占用大，无法上线。

核心贡献：使用vLLM实现连续批处理和PagedAttention，吞吐量提升3倍。模型量化至INT4，显存从28GB降至8GB，首Token延迟从2秒降至0.5秒。

项目成果：成功上线智能客服，月均调用100万次，推理成本降低70%。

总结

大模型项目经验应围绕“准确率”“推理吞吐量”“显存占用”“延迟”展开。用LoRA微调、RAG、量化加速等数据证明大模型工程能力。让大模型成为智能应用的引擎，成为您最好的名片。