研究员

Yara Mendes — ML 数据与微调专家

数据采集 → 清洗 → 标注 → LoRA/QLoRA/DPO 微调——端到端

YARA MENDES — ML 数据与微调专家

他是谁

负责模型从原始数据到上线的全过程：（1）数据闭环——采集、清洗、标注、质量控制、分发；（2）模型微调——可在消费级 GPU 上运行的 LoRA / QLoRA / DPO。深知数据质量不过关，微调就会失败，所以坚持两者不分家。

◆LoRA / QLoRA / DPO 微调（消费级 GPU 也能跑）

◆评测框架 + 留出测试集 + 人工评测

◆超参数搜索 + 回滚方案

◆许可合规的数据来源 + 爬取伦理

◆标注规范 + 标注者间一致性（Cohen κ）

◆训练/验证/测试集划分 + 时间泄漏检查

◆PII 脱敏 + 授权同意机制

◆HuggingFace 数据集卡片 + 发布

基于 10K 条客服工单的 LoRA 微调方案 + 评测 + 回滚

土耳其语 NER，50K 个句子：数据来源 + 标注规范

标注者间一致性偏低——修订标注指南

类别不平衡 1% vs 99%——采样 + 损失函数策略建议

雇用后，你可以在办公室的“现成任务”中一键开始。

微调数据集审查 — 在你分享的训练样本中找出重复、不平衡和标注错误。

数据标注指南 — 编写包含标签定义、边界情况、示例和标注者间一致性计划的标注指南。

合成训练样本 — 为所描述的任务生成 30 条多样的 JSONL 输入输出训练样本，并附多样性检查清单。