【岗位职责】——公司内部岗位，非外包
1. 大模型开发与应用：
• 基于主流大模型（如DeepSeek、Qwen、GPT、LLaMA）进行领域适配开发，设计并实现高效微调、Prompt工程及RAG（检索增强生成）方案；
• 优化模型推理性能，包括模型压缩（量化/剪枝）、分布式推理加速（vLLM/TensorRT-LLM）及显存优化；
• 构建多模态（文本/图像/音视频）大模型应用，支持业务场景的端到端落地。
2. 数据构建与标注：
• 主导领域数据集的构建，设计数据采集、清洗、去噪及增强方案，解决数据稀疏性与噪声问题；
• 搭建高效标注流程，开发自动化标注工具（如基于规则/弱监督/Active Learning），提升标注效率；
• 设计数据质量评估体系，制定标注规范与校验机制，确保数据一致性（如标注者间一致性>95%）。
3. 模型训练与调优：
• 实现大模型全流程训练方案，包括分布式训练（Deepspeed/Megatron-LM）、混合精度训练及超参数调优；
• 开发模型评估工具，监控训练过程（如Loss曲线/梯度异常），分析模型偏差与可解释性问题；
• 探索高效微调技术（如LoRA/P-Tuning/Adapter），降低训练成本并提升模型领域适应能力。
任职要求
1. 技术要求：
•熟练掌握Python及主流深度学习框架（PyTorch/TensorFlow），熟悉Hugging Face生态工具链；深入理解大模型技术栈：预训练/微调/蒸馏、注意力机制优化、显存管理（FlashAttention/Checkpointing）；
•具备数据工程经验：熟悉数据标注工具（Label Studio/Prodigy）、数据版本控制（DVC）及数据闭环构建；
•熟悉多模态数据处理（CLIP/Whisper/Stable Diffusion）或模型压缩技术（量化感知训练/知识蒸馏）；
•熟悉至少一种模型部署方案（Qwen2.5 VL/Deepseek R1/OpenAI API），了解模型监控（Prometheus/MLflow）。
2. 领域经验：
• 独立完成过百亿token级数据集的构建与清洗，或主导过1万+条标注数据的项目管理；
• 有垂直领域大模型（金融/医疗/教育等）训练调优经验，显著提升指标（如任务准确率提升
>15%）；
• 熟悉大模型评估方法（MMLU/C-Eval/HumanEval）及安全对齐技术（RLHF/DPO）。