职位描述
核心职责
- 参与大模型相关算法引擎（包括但不限于适配具体工业场景的 LLM 应用模块）的设计、开发与测试，实现大模型核心功能（如结合 RAG 技术实现基于行业知识库的精准问答与分析、自动提供 AI 分析与建议、为业务智能决策提供支持和引导），并确保算法在实际业务场景中高效稳定运行。
- 与产品经理、工艺专家紧密协作，重点覆盖钢铁、冶金等流程工业的生产场景和环保场景，深入理解业务需求（如生产调度需求、工艺优化需求、节能降碳需求、决策支持需求等），将其转化为大模型应用方案（含大模型与行业知识库、数据湖的对接整合方案），制定落地性算法策略（包括 LLM 微调方案、RAG策略、强化学习与业务规则融合模型等）。
- 撰写大模型算法技术文档（含模型架构设计、训练调优逻辑、RAG 系统中检索层与生成层的协同架构、与知识库 / 数据湖对接的技术路径等），实现算法代码开发，并持续优化模型性能（如推理速度、精度适配）与代码结构，保障代码质量和可维护性。
- 跟踪大模型、强化学习、Transformer 架构演进、RAG 技术迭代等前沿技术，结合钢铁、冶金等流程工业的具体业务场景评估技术可行性，推动前沿技术在算法模块中的落地应用。
- 参与完成大模型算法产品与项目的交付，推动算法在实际业务场景中高效落地，确保大模型能稳定输出结合流程工业知识库与生产 / 环保 / 能耗数据湖的 AI 分析（如工艺知识检索与生成式分析、能耗异常归因、碳排放趋势预测、环保处理效率诊断）、建议（如工艺参数优化、碳减排）与决策（如节能降碳智能决策），解决具体的场景化问题。
四、任职资格
- 专业经验：在读硕士及以上学历，计算机科学、人工智能、应用数学、自动化等相关专业；1 年以上大模型算法开发经验（有强化学习相关经验者优先），有工艺场景（如工业制造、流程优化等）算法落地项目经验者优先，有流程工业相关大模型项目经验者优先。
- 算法能力：精通大语言模型底层原理，熟悉 Transformer/BERT/GPT 等架构，具备 LLM 微调、训练及部署的实际经验；熟悉 RAG 技术体系（如知识库构建与更新、向量数据库选型与优化、检索引擎选型、检索策略优化等）；了解强化学习核心算法（如 DQN、PPO 等），可结合业务场景辅助设计决策逻辑；
- 编程能力：熟练掌握 Python 及大模型开发工具（如 Hugging Face、LangChain 等），具备扎实的面向对象编程经验；具备代码性能优化（如大模型推理效率提升）和系统集成经验，能独立完成大模型算法模块的开发、测试与部署。
- 其他要求：在学术或项目中有突破性成果（如顶会论文、算法竞赛 TOP、开源项目贡献等）者优先，若成果涉及工业大模型或节能降碳相关领域可优先；对 AI 技术充满热情，具备快速学习能力和创新思维，能快速响应技术迭代与业务需求变化。
- 态度：待人处事守诚信、善沟通；工作决策以用户需求为出发点；遇任务踏实肯干、高效行动，敢创新更敢担当；对成果严控细节、持续优化。
以担保或任何理由索取财物，扣押证照，均涉嫌违法，请提高警惕