1.负责 A100/H100 GPU 集群部署、配置与资源调度，基于 Slurm、K8s+Volcano 搭建算力调度体系，管理显存分配、多卡并行任务；开展算力容量监控与规划，输出扩容方案。运维 PyTorch DDP、DeepSpeed、Megatron 等分布式训练环境，管理 Ceph、NAS、对象存储；部署维护 vLLM、Triton、TGI 推理服务，配置负载均衡、限流熔断，监控 TTFT、TPS、时延等 SLA 指标；负责 Milvus 等向量数据库、全链路数据 Pipeline 运维优化。落实访问权限管控，通过弹性调度、量化优化提升 GPU 利用率，持续优化算力运营成本。 2. 搭建多源异构数据采集管线，完成文本、音视频数据清洗、去重、脱敏；制定标注规范，统筹标注管理，构建高质量训练数据集；开展特征工程，搭建标准化特征库。结合业务完成 LLM、CV 等模型架构选型；负责模型预训练、LoRA 微调、SFT/RLHF、超参数调优；构建自动化评测体系，基于 F1、BLEU、ROUGE 等指标开展离线与人工评估；持续开展 Prompt 工程迭代优化。 3. 设计 LLM 智能体整体架构，自研任务规划、上下文管理、长短时记忆、工具调用等核心模块，搭建高可靠低延迟 Agent 底层框架。基于 LangChain、LlamaIndex、AutoGen 构建智能体应用，实现自主决策、多