一、岗位职责：
1. 负责大语言模型（LLM）在企业级AI产品中的算法设计、工程实现与落地优化，包括但不限于智能问答、报告生成、指令理解、多轮对话、知识推理等场景；
2. 深入参与大模型算法选型、结构改进、训练策略设计（如课程学习、对比学习、RLHF等），提升模型在垂直领域任务上的性能与鲁棒性；
3. 设计并实现高效Prompt工程体系，包括模板构建、动态Prompt生成、思维链（CoT）、自洽性校验、输出约束控制等，确保模型输出可控、安全、符合业务语义；
4. 构建和优化RAG系统架构，从Embedding模型选型、检索策略设计、上下文注入机制到生成结果融合，全链路提升知识问答准确率；
5. 主导或参与大模型微调项目（LoRA/QLoRA/Adapter/P-Tuning/全参微调），设计损失函数、采样策略、评估指标，解决领域适配、灾难性遗忘、过拟合等问题；
6. 探索大模型压缩、蒸馏、量化、缓存等算法优化技术，平衡模型性能与推理成本，适配边缘或云端部署；
7. 与产品、算法、后端团队协作，将算法能力封装为稳定API或模块，支撑上层应用快速迭代，并持续通过A/B测试、人工评估等方式驱动算法优化；
8. 跟踪大模型前沿技术（如MoE、Agent、Tool Learning、多模态LLM），评估其在安防/安控场景的可行性并推动技术预研与原型验证。
二、任职要求：
1. 计算机、人工智能、机器学习、自动化等相关专业，硕士及以上学历，具有2年以上大模型/NLP/深度学习算法研发经验者优先；
2. 深入理解Transformer架构、注意力机制、位置编码、KV Cache、RoPE等核心组件，能独立推导前向/反向传播过程；
3. 能针对业务问题抽象为算法任务（如分类、生成、排序、检索），设计损失函数、评估指标、训练流程；
4. 精通Prompt Engineering，掌握高级技巧（Few-shot、Self-Ask、ReAct、AutoPrompt等），能设计动态、分层、带约束的Prompt模板体系；
5. 有完整RAG项目经验，熟悉Embedding模型训练/选型（如BGE、E5、Contriever）、向量检索优化（ANN/HNSW）、重排序（Reranker）、上下文压缩等关键技术；
6. 有大模型微调实战经验，熟悉参数高效微调方法（LoRA系列、Adapter、Prefix-Tuning），了解全参微调的数据构建、学习率调度、梯度裁剪等训练技巧；
7. 熟练使用PyTorch + HuggingFace Transformers + DeepSpeed + vLLM 等工具链，具备模型训练、评估、部署全流程经验；
8. 熟悉LangChain / LlamaIndex / DSPy / Guidance / Transformers Agents 等大模型应用框架，能快速构建原型并工程化；
9. 有大模型应用产品化经验者优先。
三、福利待遇：双休、五险一金、绩效奖金、节日福利、项目激励等