岗位职责 1. 大模型应用开发： ￮ 负责大语言模型（LLM）或跨模态大模型在实际业务场景中的需求分析、模型选型与优化（如智能客服、知识问答、文档理解、自动化合规审核等）； ￮ 完成模型的微调（Fine-tuning）、提示工程（Prompt Engineering）、评估与部署，解决领域适配问题。 2. 性能优化与工程化： ￮ 优化模型推理效率（如量化、剪枝、蒸馏）及显存占用，提升服务吞吐量； ￮ 设计多模型协同架构（如RAG、Agent系统），解决复杂任务链问题。 3. 技术研究与创新： ￮ 了解大模型前沿技术： 关注大模型领域的一些前沿技术（如 MoE 的基本概念、长上下文处理的重要性、多模态对齐的基本原理），并思考其在业务场景中的潜在应用。 ￮ 构建领域数据集并进行初步训练策略探索： 参与构建针对特定垂直领域的、较小规模的数据集，并尝试设计一些基本的领域适配训练策略。 任职要求 1. 教育背景： ￮ 本科及以上学历，计算机、电子、软件工程、数学等相关专业优先。 2. 技术基础： ￮ 了解主流大模型架构（如Transformer、LLaMA、GPT、CLIP），具备提示词工程优化经验； ￮ 掌握大模型微调技术（如SFT、LoRA、QLoRA、Adapter），具备显存优化经验（混合精度训练、梯度累积）； ￮ 熟悉大模型应用技术栈：LangChain/LLamaIndex、向量数据库、评估工具（MT-Bench、HELM）； ￮ 使用过Dify/Coze/fastgpt等平台，熟悉工作流构建、智能体与自定义工具编写。 3. 项目经验： ￮ 2年以上NLP/CV算法经验，至少1年大模型相关项目实战经验； ￮ 有至少一个完整的大模型落地案例（如基于LLM的智能审核系统、智能问答或者多模态内容生成）。 4. 工程能力： ￮ 熟悉使用模型加速工具（vLLM、DeepSpeed、TensorRT），具备服务部署经验（API封装、并发优化）； ￮ 熟悉Linux开发环境，能独立完成数据清洗、训练、评估全流程。 加分项 • 发表过高水平LLM相关论文，或参与开源大模型项目贡献； • 具备大规模数据处理与优化的经验。 • 具备多模态任务（文本 图像/视频）处理经验，或复杂决策任务（Agent规划、工具调用）开发能力。 软技能要求 1. 问题拆解能力：能将模糊业务需求转化为可落地的技术方案（如将“智能合规审核”拆解为文档解析 规则匹配 LLM决策）； 2. 协作沟通：能与产品、工程团队高效协作，推动技术方案落地； 3. 学习与抗压：适应技术快速迭代，能独立攻关技术难点。