基于开源大模型基座（如 Llama、ChatGLM、Qwen 等），负责垂直领域（重点覆盖医学）数据集的收集、清洗、标注、质量校验，搭建高质量领域数据集体系；​
主导垂直领域大模型的微调训练，包括数据预处理、模型选型、超参数调优、训练过程监控与效果迭代，提升模型在特定场景的专业问答、知识输出能力；​
负责模型训练环境搭建、依赖管理，解决训练过程中的性能瓶颈、过拟合 / 欠拟合等问题，保障训练效率与模型效果；​
参与大模型微调后的效果评估与迭代优化，制定领域内模型评估指标（如准确率、召回率、专业度契合度），持续提升模型实用性；​
协同产品、算法团队，明确业务需求与技术落地路径，输出模型开发文档、训练报告及部署指南；​
跟踪开源大模型技术前沿，探索新的微调方法、数据增强技术在垂直领域的应用，推动技术方案迭代。​
二、任职要求​
（一）核心技能要求​
熟练掌握 Python 编程语言，精通数据处理相关库（NumPy、Pandas、Datasets），具备大规模领域数据集整理与优化经验；​
深入理解 Transformer 架构，熟练使用至少一种深度学习框架（PyTorch/TensorFlow），具备基于开源大模型的微调实战经验（如 LoRA、QLoRA 等高效微调方法）；​
熟悉 Hugging Face 生态（Transformers、Trainer API），能够独立完成模型选型、训练流程搭建、效果验证全流程；​
具备数据标注流程设计与质量管控能力，能应对垂直领域数据稀缺、专业性强的问题，有数据增强、小样本学习实践经验者优先；​
掌握模型训练环境配置（GPU 集群、Docker），了解模型量化、剪枝等轻量化技术，具备基本的模型部署与推理优化思维。​
（二）优先条件（核心加分项）​
具备医学领域大模型开发经验（如医疗问答、医学文献分析、临床辅助决策等方向），熟悉医学术语、医疗数据规范者优先；​
有垂直领域（如法律、金融、工业）大模型微调、数据集构建实战案例者优先；​
了解医疗数据合规要求（如隐私保护、数据脱敏），具备医疗相关数据集处理经验者优先；​
​
（三）综合素养​
具备较强的业务理解能力，能快速对齐垂直领域需求与技术实现路径；​
具备良好的问题排查能力，能独立解决训练过程中的技术难题；​
具备团队协作精神
关注 AI 技术前沿，学习能力强，能快速跟进开源大模型的新特性与新工具。