莊昊耘 Hao-Yun Chuang

自我介紹簡報

milanochuang@gmail.com
milanochuang.github.io
國立政治大學 語言學碩士

關於我

• 計算語言學碩士，核心專長橫跨 NLP 理論 → LLM 系統開發
• 曾赴德國杜賓根大學交換（計算語言學），並獲國科會補助赴荷蘭發表學術論文
• 具備從資料爬取、模型微調到 RAG / AI Agent 系統整合的完整工程能力
• 相信技術的真正價值，在於能被部署、被衡量、被用來解決真實問題

技術能力

LLM & RAG
LLM Fine-tuning、RAG Pipeline、LangChain / LangGraph / LlamaIndex、Prompt Engineering

NLP Core
BERT / BART 微調、NER、POS Tagging、序列標記、CKIP、SpaCy

後端 & 工程基礎
Python、FastAPI / Flask / Django、RESTful API、Docker、AWS / GCP

資料處理
Scrapy、BeautifulSoup、PostgreSQL、資料清洗 pipeline 設計

成果①　SemEval-2024 國際競賽

任務： 數字感知新聞標題生成（Numeral-Aware Language Generation）

• 以 BART 為基底，自訂對比損失函數（Contrastive Loss） 進行微調
• 建構 GPT 輔助的數字型態轉換 pipeline 進行資料增強
• COPY 準確率全球第一（82.17）、整體排名第二

這是我第一次在模型設計的核心假設上做出工程判斷——
不只是調參，而是重新設計損失函數。

成果②　碩士論文：政治語篇 LLM 分類

任務： GPT-4o 在情感評價分析（Appraisal Analysis）上的零樣本 / 少樣本評估

• 對 311 則 PTT 政治評論進行 Judgement 子類別標注與分類實驗
• 精確設計 few-shot prompt，F1 從 0.80 提升至 0.89
• 建立 Streamlit 儀表板，可視化政治語篇分析結果

讓我對 prompt 工程與模型評估形成系統性的認知，
而不只是憑直覺調整。

成果③　法律科技黑客松

任務： AI 輔助性侵案判決成案機率分析系統

• 帶領 電機 × 統計 × 法律 跨領域四人團隊，身兼 NLP 工程與跨域溝通角色
• 開發爬蟲蒐集判決資料，以規則式 pattern matching 結構化案件特徵
• 建構對話系統，提供以證據條件為基礎的判決機率預測
• 進入全國決賽

讓我理解「跨域合作」的核心不是消除分歧，
而是找到所有人都認同的共同目標，再往回設計。

實務經驗

研究助理　國立政治大學（2022–2024）

• Scrapy / BeautifulSoup 建構語料爬取 pipeline
• CKIP + SpaCy 進行 NER、POS tagging，BERT 序列標記模型微調

課程助教　AI 與數位人文（2022–2023）

• 設計 Python / NLP 實作模組（Flask、Django）
• 指導 50+ 名學生 完成模型調校與專案除錯

NLP 實習生　卓騰語言科技（2020–2021）

• 開發中文任務型 LINE 聊天機器人（高鐵票價 / 時刻查詢）
• 意圖辨識、語意解析，對應此職位的 AI Agent Tool-use 概念

為什麼是這個職位

技術對齊
RAG pipeline、LLM 微調、AI Agent 架構——
這些正是我在研究與專案中反覆實作過的核心。

思維對齊
我關注的從來不只是「模型能不能跑」，
而是「模型在真實資料上表現如何、如何被衡量、如何迭代」。

下一步
我希望在這裡把技術能力真正轉化為可部署、可衡量的系統，
而不只是停留在實驗層次。

感謝聆聽

莊昊耘 Hao-Yun Chuang

milanochuang@gmail.com
milanochuang.github.io
linkedin.com/in/milanochuang

期待有機會進一步交流。