1. 教育背景：计算机科学、人工智能、自动化、数学等相关专业
2.深入理解大模型底层技术原理，注意力机制，transformer架构原理，pytorch框架，langchain框架等大模型应用开发相关框架。
3. 深入理解有监督微调技术原理，lora微调，deepspeed分布式微调框架等。
4. 对RLHF、强化学习、模型蒸馏等相关领域有深入理解，能够支撑模型微调相关工作。
5. 对于模型效果评测，LLM应用效果评测有深入理解，能够客观的评判模型、应用实际效果。
6. 在大模型应用开发及模型微调领域实际落地过生产级项目及产品。