1、负责大语言模型（LLM）、多模态大模型（如GPT、CLIP、LLaMA等）的领域适配与微调（Fine-tuning）；
2、优化模型参数、调整超参数配置，解决模型微调中的过拟合、收敛效率低等问题，确保模型精度与泛化能力；
3、构建高质量领域语料库，设计数据清洗、标注、增强方案，开发自动化数据处理工具提升训练数据质量；
4、探索指令微调（Instruction Tuning）、人类反馈强化学习（RLHF）等技术，提升模型对齐用户需求的能力；
5、设计高效微调方案（Adapter/LoRA/P-tuning），实现分布式训练加速（如DeepSpeed、Megatron-LM），优化GPU资源利用率，平衡模型效果与训练成本；
6、开发模型评估体系，通过Prompt Engineering与数据增强提升泛化能力；
7、探索模型压缩与量化技术，支持边缘端部署需求。

1、硕士及以上学历，计算机科学、人工智能、数学等相关专业，扎实的机器学习与深度学习理论基础；
2、3年以上NLP/大模型训练/微调经验，精通BERT/GPT/T5等架构；
3、深入理解大模型微调技术（如Prompt Tuning、LoRA、P-Tuning），具备多任务/多模态模型调优经验；
4、精通Python，熟悉PyTorch/TensorFlow框架，掌握大模型训练工具链（如Deepspeed、Accelerate）；
5、熟悉主流大模型架构（如Transformer、MoE）及开源生态（Hugging Face、LangChain）；
6、熟悉分布式训练、模型并行（Model Parallelism）及混合精度训练优化方法；
7、具备扎实的算法功底，能独立复现前沿论文方案，参与过千亿参数级模型训练优先；
8、在以下至少一个领域有实战经验：对话系统、知识问答、内容生成、搜索推荐、行业知识图谱构建。