1. 模型微调与实验： 参与大语言模型在特定业务场景下的微调、偏好对齐、推理部署及效果评估。 2. 数据工程与清洗： 负责大模型训练数据的清洗、过滤、高质量合成及指令集构建，从源头提升模型质量。 3. 传统 ML 与统计建模： 运用经典机器学习（如树模型、聚类、回归）和统计学方法，参与业务数据的探索性分析、特征工程及策略建模。

1. 学历与专业背景： 国内外一线高校计算机、数学、统计学等相关专业硕士及以上学历，具备极强的逻辑思维和数理功底。 2. 核心理论储备： 2.a. 精通概率论、假设检验等统计学核心原理； 2.b. 深刻理解传统机器学习（如树模型、聚类等）的数学推导，确保能承接团队常规策略建模工作。 3. 大模型实战潜力： 3.a. 熟练掌握 PyTorch 深度学习框架与 Transformer 底层架构； 3.b. 在校期间有大模型（LLM）微调（SFT/DPO）、推理加速或 AI Agent 开源/实验室项目的实际动手经验（拒绝只会调用 API 的“调包侠”）。 4. 代码与工程：算法数据结构扎实，具备良好的 Linux、Git 等工业界标准开发习惯。