工作职责 • 围绕公司 AI 应用与智能化产品需求，开展大模型、机器学习及生成式 AI 能力的探索、验证与工程化落地，协助将算法能力沉淀为可复用的基础服务、组件或解决方案。 • 参与基础模型的选型、适配与效果优化，完成指令微调、领域数据构建、参数高效微调、推理提示设计等相关工作，持续提升模型在业务任务中的准确性、稳定性与可用性。 • 参与大模型推理性能优化，包括模型量化、推理加速、批处理、缓存、并发控制、上下文管理和资源利用率分析，在效果、时延、吞吐与成本之间建立可量化的优化方案。 • 参与 RAG、知识库、AI Agent、工具调用及多模态等应用能力建设，完成检索、重排序、上下文组装、流程编排、结果评估等算法模块的开发、调试与迭代。 • 建设模型与应用评测机制，围绕问答质量、事实性、任务完成率、时延、Token 消耗及稳定性等指标开展离线评测、线上验证和问题归因，形成持续优化闭环。 • 跟踪国内外大模型、推理模型、多模态模型、智能体及相关开源生态的技术演进，完成技术调研、原型验证和内部分享，为产品路线与模型选型提供输入。 • 与研发、产品、平台及业务团队协同，将算法原型转化为可部署、可调用、可观测的服务能力，参与接口联调、灰度验证、效果复盘和版本迭代。 任职要求 • 计算机、人工智能、软件工程、电子信息、自动化、数学、统计学或相关专业本科及以上学历，应届毕业生；在自然语言处理、机器学习、计算机视觉或生成式 AI 方向有系统学习或项目实践者优先。 • 掌握机器学习和深度学习基础理论，理解常见模型训练与优化方法；了解 Transformer、大语言模型、Embedding、RAG、微调、推理及评测等核心概念，并能够结合实际问题进行分析。 • 熟练使用 Python，具备良好的代码规范和调试能力；有 PyTorch、Transformers、vLLM、LlamaIndex、LangChain 或同类框架的课程项目、实验室项目、竞赛项目或个人项目经验。 • 具备扎实的数据结构、算法、操作系统和计算机网络基础，熟悉 Linux 开发环境、Git 及常用工程协作方式；了解 API 服务、容器化、GPU 基础使用或分布式训练/推理者优先。 • 具备一定的数据处理与实验设计能力，能够完成数据清洗、样本构建、实验对比、指标分析及结果复盘；对模型效果、性能指标与成本约束具有基本的量化意识。 • 对新技术保持持续学习热情，能够阅读英文技术文档、论文或开源项目资料，并将调研结论快速转化为可验证的原型或实验。 • 具有良好的逻辑思维、沟通协作和问题解决能力，能够在指导下推进任务闭环；有高质量 GitHub 项目、学术论文、算法竞赛获奖、开源贡献或 AI 产品实践经历者优先。