工作职责: 1、参与设计和实现面向大规模非结构化数据集的RAG系统架构。 2、研究和开发先进的检索技术，包括但不限于向量检索、混合检索以及语义搜索，以提升信息抽取的精准度和相关性。 3、探索并实践知识图谱技术在RAG流程中的应用，包括实体识别、关系抽取以及利用图结构优化信息检索和内容生成。 4、参与大语言模型的微调工作，针对特定领域的非结构化数据，优化模型的理解和生成能力。 5、对RAG系统的各个模块进行性能评估和分析，并根据实验结果提出改进方案。 6、跟踪RAG及相关领域的最新技术进展，并进行技术分享。 任职资格: 学历背景： 计算机科学、人工智能、自然语言处理或相关专业在读硕士研究生。 ***专业技能*** 1、熟悉检索增强生成（RAG）的基本原理和工作流程。 2、具备扎实的自然语言处理（NLP）理论基础，了解Transformer、BERT等主流模型。 3、拥有信息检索（Information Retrieval）相关项目或研究经验，熟悉向量数据库（如FAISS, Milvus）及检索引擎（如Elasticsearch）者优先。 4、具备知识图谱（Knowledge Graph）相关的实践经验，包括图谱构建、图查询语言（如SPARQL, Cypher）及图数据库（如Neo4j）的使用。 5、拥有大语言模型（LLM）微调（Fine-tuning）的实际操作经验，熟悉Hugging Face Transformers, PyTorch等深度学习框架。 编程能力： 精通Python编程，并熟悉常用的数据科学和机器学习库。 ***综合素质*** 1、具备优秀的分析和解决问题的能力。 2、拥有良好的沟通能力和团队协作精神。 3、对前沿AI技术抱有浓厚的兴趣和热情，具备快速学习新知识的能力。 ***加分项*** 在dingji学术会议或期刊上发表过相关领域的论文。 有处理海量非结构化数据（如文本、图片、音视频等）的经验。 了解并实践过多模态信息的检索与生成。 有开源项目贡献经验者优先。