1、模型微调与优化：参与大模型在协同办公及建筑行业场景下的应用，包括但不限于：基于公有云大模型做局部私有资料的对接微调，基于私有大模型做垂直领域的数据抓取、自动标注、微调训练；

2、应用落地：负责大模型的模型适配与应用落地，包括但不限于LLM、Langchain、Agent、Eval等技术；

3、性能评估监测与部署：定期监控模型性能，进行在特定应用场景下的各类模型能力的评估，确保模型达到业务要求，能够进行模型的容器化部署。

任职要求：

1、参与过大模型相关开发工作，包括但不限于：数据清洗、开源模型实际微调、训练框架开发、评测、推理部署等；

2、精通Python编程语言，熟悉Java等其他编程语言，熟悉常用框架如PyTorch,TensorFlow等深度学习框架；

3、熟悉大语言模型的增量预训练、指令微调、偏好微调等多种训练方法 ，有全场景训练实战落地经验；

4、熟悉全参数、LoRA 、QLoRA 等微调方法, 有微调场景落地经验；

5、熟悉DeepSpeed、flash-attn、vllm等大模型训练及推理加速方法；

6、熟悉数据收集、清洗和预处理的流程。有训练数据构造落地经验；

7、熟悉Docker、Kubernetes等容器化技术。

8、扎实的数学功底，熟悉概率统计、线性代数、优化方法等领域的相关知识 。

9、有成功优化模型训练算法、提升模型性能的项目经验，能够独立承担算法设计和开发任务，能独当一面。

10、对深度学习领域的技术创新有敏锐的洞察力，乐于学习并积极探索新技术 。