​3.设计与实施大模型私有化部署方案，包括GPU集群资源调度优化、模型轻量化（如量化/剪枝/蒸馏）及推理性能优化，保障企业级部署的效率与成本控制。

4.跟踪并应用大模型前沿技术，推动RAG、Agent、多模态等技术在企业管理场景中的工程化落地，持续优化模型效果与系统性能。

​5.协同数据团队与业务部门，完成数据清洗、预处理及标注工作，确保训练数据质量，并主导模型微调（如LoRA/QLoRA）、评估及迭代优化。

二、任职要求

（一）技术基础

熟悉Transformer、BERT、GPT等主流模型架构，精通PyTorch/TensorFlow深度学习框架。

精通Python编程，具备高并发系统开发经验（如QPS≥1000的服务优化案例）。

​（二）工具与生态

1.熟练使用LangChain、Dify等大模型开发工具，具备向量数据库、RAG系统调优或智能体开发实战经验。

2.掌握Docker/Kubernetes等容器化技术，熟悉分布式训练（DeepSpeed/Megatron-LM）及模型部署工具（TensorRT/vLLM）。

​（三）经验与能力

1.至少全程参与过1个以上大模型项目落地，具备企业级中后台系统对接经验者优先（如OA/ERP/财务系统）。

2.具备技术产品化思维，能快速理解业务痛点并提出解决方案，抗压能力强，适应敏捷开发节奏。

（四）学历与软技能

1.学习能力强，计算机、人工智能等相关专业本科及以上学历，1年以上AI大模型研发经验。

2.具备优秀沟通能力和团队协作精神，能主导跨部门技术方案实施。