一、工作职责
1. 模型开发与优化
(1)负责大模型全链路开发，包括数据清洗、特征工程、偏好对齐（RLHF）及大小模型国产化加速卡部署。
(2)设计并实施多维度模型评估方案（如准确性、推理速度、资源效率），定位并解决模型性能瓶颈。
(3)探索前沿技术（如长上下文、MoE 架构优化、多智能体协作），推动模型在推理速度及场景适配性上的突破。
2. 工程化部署与落地
(1)开发文件解析程序，支持多格式数据（如文本、图像、表格）的标准化处理与适配，确保数据高效输入模型。
(2)基于国产加速卡（如昇腾910B、寒武纪MLU等）部署大模型，优化模型压缩、量化及推理加速（如显存动态卸载、训推共卡协同技术）。
(3)开发模型推理接口（如RESTful API、gRPC），并完成与前后端系统的联调，确保低延迟、高并发场景下的稳定运行。
3. 技术协作与产品落地
(1)与产品、工程团队协作，将大模型能力转化为实际产品（如智能交互、数据分析工具），解决行业痛点并提升业务效率。
(2)参与工业级大模型平台开发，支持私有化部署及行业定制化需求（如SFT、强化学习优化）。
(3)编写技术文档，推动技术方案在团队内的高效传递与落地。
二、任职要求
1. 技术能力要求
(1)深度学习框架与工具：
精通PyTorch、TensorFlow等主流框架。熟悉Hugging Face、LangChain、ollama等工具。
(2)工程化能力：
 Python编程能力优秀；熟练使用Docker、Kubernetes实现模型容器化部署。
具备模型压缩、量化及国产加速卡（如昇腾、寒武纪）部署经验，显存优化技术者优先。
熟练开发RESTful API、gRPC等接口，具备前后端联调经验及微服务架构设计能力。
具备基于开源大模型问答系统工程化开发经验
(3)大模型核心技术：
具备大nlp模态模型、Agent智能体系统开发经验者优先。
2. 算法与理论基础
(1)扎实的数学基础（线性代数、概率统计、优化理论），熟悉生成式模型（如GPT、BERT）原理及Scaling Law、Long Context等前沿方向。
(2)熟悉梯度消失、过拟合等问题的解决方案，能快速将顶会论文转化为工程实践。
3. 项目与经验要求
(1)参与过nlp大模型模态Agent系统开发或工业级大模型部署项目。
(2)具备文件解析程序开发、国产加速卡部署（如昇腾910B集群）及接口开发经验者优先。
4. 软技能与素质
(1)良好的跨团队协作能力，能高效沟通技术方案与业务需求，推动项目进展。
(2)具备技术文档撰写、代码规范及开源社区贡献经验者优先。