诺唯赞生物

岗位职责 1. 与业务专家及应用团队共同明确领域任务、输入输出和评价标准，制定模型适配与训练实验方案。 2. 对经授权的领域数据进行解析、清洗、去重、筛选与结构化，构建训练、验证和测试数据，保留数据来源与版本。 3. 基于开源大语言模型开展监督微调和 LoRA 等参数高效微调，完成训练配置、运行、日志分析和参数迭代；按需要参与领域继续预训练或偏好优化。 4. 构建独立评测集，对比训练前后及相关基线方案，评估业务正确性、指令遵循、事实依据和通用能力变化。 5. 分析数据质量、过拟合、知识遗忘及生成错误等问题，通过对比实验改进数据与训练方案。 6. 交付模型或适配器、训练代码、配置与评测报告，配合完成推理验证及应用接入，记录资源消耗，保证实验可追溯、可复现。 岗位要求 1. 2027 届应届毕业生，计算机、人工智能、软件工程、数学、统计、自动化等相关专业优先；其他专业具备扎实基础和相关实践者亦可。 2. 具备较好的数学与机器学习基础，理解优化方法、损失函数、过拟合和泛化等概念。 3. 熟练使用 Python 和 PyTorch 或同类深度学习框架，能够独立编写数据处理、训练与评测代码，掌握 Linux、Git 和基础 GPU 开发环境。 4. 理解 Transformer、Tokenization、自回归语言模型和指令微调的基本原理，了解大模型适配训练流程。 5. 至少完成过一项可展示的大语言模型微调或领域适配项目，能够解释本人贡献、数据划分、训练配置、效果评测及失败分析；课程、科研、个人或实习项目均可，模型规模不限。 6. 学习能力强，能够阅读技术文档及相关英文资料，主动查证和复现实验，将新知识用于实际问题。 7. 心态开放、尊重证据，能够接受业务反馈和实验反证，依据结果修正方案，清晰说明结论与适用边界。 8. 主动拥抱 AI，能够借助 AI 编码和研究辅助工具提升效率，同时独立检查代码、核对资料、分析日志和排查问题。 9. 具备良好的沟通协作与数据责任意识，理解数据授权、敏感信息处理及训练与测试数据隔离的重要性。 10. 有开源训练框架、QLoRA、显存优化、分布式训练、推理服务、领域继续预训练、偏好优化、RAG 或领域数据处理经验者优先。