深度学习部分：
1、理解transformer内部架构，包括不限于decoder-only和encoder-decoder。有过实现/理解tranformer架构里面的机制，例如词嵌入，注意力机制，掩码机制，以及残差网络等。
2、了解CNN及ViT等CV领域的深度学习算法，适度了解diffusion扩散模型即可。
3、了解ML/DL的算法（常用即可，例如近邻算法，MLP，Kmeans或者gru/transformer都行）。
4、了解深度学习框架pytorch/tensorflow/mindspore等。
5、了解CUDA的部分概念和使用CUDA加速。
6、了解RL基础和概念即可，了解sft等微调技术（有实现过就更好）。
7、有经常浏览huggingface或者modelscope的模型和论文的习惯。
应用层次部分：
1、熟悉目前流行的LLM（多模态-文本视频图像音频等），如国内Qwen系列，字节seed以及Deepseek、GLM等，国外Gemini,claude等。
2、能够基于LLM搭建Agent以及其协同工作，包括不限于langchain/graph4j系列等脚手架，有实现过自己自定义实现更好。（Agent内部可以外挂RAG和向量库以及MCP进行自主编排等。）（如果有自己写过记忆系统就更好了，主Agent即可）
3、了解vllm/ollama/sglang等推理框架
4、熟悉python/go/java/C++等编程语言。（最好了解是python+go/C++/java)
5、熟练使用cursor，Qoder，Trae等Vibe coding工具。
个人技术经验部分：
1、能够结合vllm对模型池里面的模型进行推理优化，优化后，可以结合业务要求进行模型编排应用。举例：一个智能审查的业务，首先基于vllm部署的模型/调用API等，后在应用上开发的主agent能够根据意图识别的内容，划分不同的任务项【元数据信息】下发给其他agent模块（可以通过mcp）。
2、支持视觉（不限于OCR/VL）对用户的材料进行审查，支持语义对审查后的材料进行逻辑处理等。
3、基于现有的模型算法，开发相关业务的模型。（例如视觉模型，语义模型等）。可以通过预训练模型进行。举例：一个qwen3预训练模型，没有instruct过，通过sft等微调后，利用现有RL技术，对其进行后训练，把模型封装，在vllm上跑即可。职位福利：五险一金、周末双休、午休床

公司地址：广东/深圳/龙华区 清湖北地铁站A出口华清大道200号半里大厦1901、1902、1907、1908、或市民中心