和利时

岗位职责：1、完成工业时序任务的特征、训练、回测与效果优化，输出可注册发布的模型产物； 2、建设可复现实验与评测方案，防范时间泄漏，覆盖工况外推等工业场景问题； 3、参与时序基础模型/大模型相关的数据组织、预训练或领域微调工作； 4、与数据平台、训练工具、MLOps 协作，对接统一数据契约与发布流程； 5、配合工艺专家完成标签定义、软测量目标与验收指标对齐； 6、依据岗位 E 提供的机理规格实现机理计算与参数辨识，输出标定报告与适用域说明；构建「机理打底＋数据拟合残差」的灰箱模型； 7、建设软测量能力：用可测变量在线估计滞后或难测指标，处理化验滞后对齐与化验结果在线校正。 任职要求：1、具备时序预测、异常检测、软测量、工况识别中至少两类任务的端到端经验； 2、熟练使用 PyTorch；具备 Transformer 架构原理与实践经验（时序或可迁移的序列建模均可）； 3、理解并实践过预训练/微调/域适应中至少一类完整流程； 4、具备大规模时序或日志数据处理经验（千万行级及以上），熟悉高效数据加载与清洗流水线； 5、具备严谨回测与评测能力：时间序列验证、泄漏防范、基线对比； 6、能将实验流程模块化/脚本化； 7、具备参数辨识与软测量的完整工程经验：优化求解与初值处理、辨识结果可信度评估、化验滞后对齐、在线校正、置信度与适用域给定； 8、具备灰箱建模实践：能说明机理项与数据项如何切分、残差如何约束，并能给出「模型何时不可信」的判定机制； 9、具备开源时序基础模型的微调经验（LoRA/PEFT 等参数高效微调之一），以及协变量（外生变量）建模能力。