1.工作内容：
（1）模型微调与优化:基于公司行业知识库，对预训练大模型(如LLaMA、GPT、Qwen等)进行领域适配微调，提升模型在行业场景中的任务表现(如问答、推理、文本生成)。
（2）数据处理与知识融合:设计并构建行业知识库的清洗、标注及向量化流程，实现结构化与非结构化数据的高效融合。
（3）跨领域协作:与业务部门深度合作，理解行业需求，将模型能力嵌入实际业务场景(如客户服务、数据分析、智能决策)。
（4）性能优化:通过参数高效微调(PEFT)、量化技术(QLORA)等方案降低显存和计算资源消耗，适配企业级硬件环境。
（5）技术研究:跟踪大模型微调前沿技术(如MOE、持续学习)，探索多模态知识库与模型结合的创新方案。
2.招聘人数：1～2名
3.岗位要求
（1）基础能力
硕士及以上学历，计算机科学、人工智能、数学等相关专业。有开源项目贡献(如Hugging Face模型库、LangChain)或顶会论文(ACL、NeurIPS)者优先。
（2）技术能力
熟悉主流大模型架构(Transformer、LLaMA、GPT系列)，掌握微调技术(LORA、Adapter、Prefix-Tuning)及工具链(Hugging Face、Deepspeed)。熟练使用PyTorch/TensorFlow框架，具备分布式训练(多GPU/TPU)和显存优化经验(如混合精度训练、梯度检查点)。精通行业知识库构建技术，包括但不限于:知识图谱构建、文本向量化(BERT/Embedding)、RAG(检索增强生成)。熟悉量化部署技术（如AWQ）及轻量化推理框架（如vLLM、TensorRT-LLM），并了解GGUF等量化模型格式。
（3）其他要求
有公路交通行业投资、建设、运营等垂直领域知识库项目经验优先，熟悉行业术语与数据特性。具备多模态数据处理能力(文本、表格、图像/视频)，曾参与行业大模型落地项目。