负责DeepSeek-R等大模型的本地化部署，实现高效GPU资源分配及推理加速方案。

开发模型压缩技术（量化、剪枝等）及显存优化方案，降低硬件资源消耗。

封装模型服务API，支持高并发、低延迟的知识检索与生成场景。

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（Neo4j）与向量数据库（Milvus）优化多模态知识存储结构。

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

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，降低人工标注成本。

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。

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。

进行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），并实现自修复机制。

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（LoRA、P-Tuning）及本地化部署方案。

• 掌握NLP核心技术（BERT预训练、文本摘要、实体链接等）。

• 具备知识图谱构建经验（Neo4j、DGL等）。

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。

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

有大型AI产品或项目落地经验。

熟悉云计算平台（AWS/GCP/Azure）和模型部署（Docker/Kubernetes）。

了解生成式AI（如ChatGPT、Diffusion）、大语言模型（LLM）应用开发。

具有开源项目贡献经验或技术博客。