1. 负责大模型的SFT微调、偏好对齐（DPO/PPO/GRPO）、OPD在线蒸馏等后训练任务。持续提升模型在垂直业务上的准确性与生成质量； 2. 利用harness工程改进智能体的规划、反思与工具调用能力，提升复杂任务的自主决策水平； 3. 搭建RAG检索增强体系，结合知识图谱（GraphRAG）提升大模型推理与决策能力； 4. 负责大模型的部署、运维与推理加速，通过量化、蒸馏、KV Cache 优化等提升推理效率、降低时延与Token成本，保障线上服务高可用； 5. 深入理解商业数据业务，与产品/业务团队协作，将技术能力转化为实际商业价值。

1. 大模型相关项目经验（LLM后训练、Harness Engineering、RAG、Agent等）; 2. 熟悉Transformer架构，理解注意力机制及改进、位置编码（RoPE/ALiBi）及PPO、DPO、GRPO等对齐方法； 3. 熟练Python，掌握DeepSpeed / Megatron / veRL等训练框架； 4. 扎实的RAG与检索工程能力，精通至少一种向量库（Milvus / Faiss / ES），有一定的embedding优化、混合检索与 Rerank经验； 5. 熟悉主流推理部署框架（vLLM / SGLang等）与推理优化手段（量化、蒸馏、KV Cache等）； 6. 良好的工程能力（Python，熟悉JavaScript更佳），有一定高并发与分布式等后端工程化经验更佳； 7. 熟悉主流Vibe Coding工具，能借助AI编程工具显著提升研发效率； 8. 优秀的实验分析与问题解决能力，具备创新思维，良好的沟通协作意识。