一、核心岗位职责

大语言模型本地化部署与优化

负责DeepSeek-R等大模型的本地化部署，设计GPU资源分配策略与推理加速方案；

开发模型压缩技术（如量化、剪枝）及显存优化方案，降低硬件资源消耗；

实现模型服务API封装，支持高并发低延迟的知识检索与生成场景。

知识库数据建模与算法开发

构建知识抽取算法：基于NLP技术实现非结构化文本的实体关系抽取、知识三元组生成及知识图谱构建；

设计知识表示与存储方案：结合图数据库（如Neo4j）与向量数据库（如Milvus）优化多模态知识存储结构；

开发知识增强算法：通过RAG（检索增强生成）技术提升大模型在垂直领域的准确性。

数据工程与模型训练

主导自有数据清洗与增强：设计数据标注规则、异常检测算法及数据增强策略（如对抗训练）；

开发持续学习机制：结合主动学习（Active Learning）优化模型迭代效率，减少人工标注成本；

构建自动化训练流水线：集成PyTorch/TensorFlow框架实现分布式训练与超参数调优。

系统性能调优与监控

设计模型性能评估指标：包括响应延迟、知识召回率、生成内容合规性等；

实现算法模块的代码级优化：通过CUDA加速、多线程编程提升计算效率；

开发监控告警系统：实时跟踪模型推理异常（如幻觉生成、知识冲突）并触发自修复机制。


二、任职资格要求

技术能力

学历与专业：计算机科学、人工智能、数学相关专业硕士及以上学历，博士优先；

编程能力：精通Python/C++，熟悉PyTorch/TensorFlow框架，具备CUDA开发经验；

算法经验：

熟悉大模型微调技术（如LoRA、P-Tuning）及本地化部署方案；

掌握NLP核心技术（如BERT预训练、文本摘要、实体链接）；

具备知识图谱构建经验（如Neo4j、DGL）。

项目经验

主导过知识库系统、问答系统或企业级搜索项目开发；

有处理TB级结构化/非结构化数据的实战经验；

熟悉RAG、向量检索等增强生成技术者优先。

软性素质

具备跨团队协作能力，能与产品经理、数据工程师协同定义技术方案；

对技术趋势敏感，持续跟踪LangChain、LlamaIndex等开源工具生态。