岗位职责： 1. 负责面向电子器件 Datasheet、技术手册等文档的多模态解析工作，利用 OCR、多模态大模型和文本结构化技术，提取器件参数、表格、图示及关键信息。 2. 参与领域多模态数据集建设，包括数据采集、清洗、格式整理、质量检查、标注规范制定及数据组织管理，推动高质量训练数据沉淀。 3. 对接外部标注团队，设计标注流程与验收标准，跟进标注进度，开展数据抽检、质量评估和问题反馈，确保数据生产闭环。 4. 负责多模态模型、OCR 模型及相关大模型的训练、微调与效果评估，支持 LoRA、QLoRA、全参数微调等训练方案落地。 5. 分析模型训练和推理过程中的 Bad Case，结合数据质量、模型结构、Prompt 策略和训练方法提出优化方案，并持续提升模型效果。 6. 参与模型工程化落地，包括数据处理脚本开发、训练流程搭建、实验管理、日志分析、性能测试及结果复盘。 --- ## 岗位亮点 1. 深度参与多模态大模型在垂直领域文档解析场景中的实际落地。 2. 接触从数据构建、模型训练、Bad Case 分析到工程部署的完整 AI 项目流程。 3. 业务场景明确，数据与模型优化目标清晰，适合希望积累大模型工程化经验的同学。 4. 团队提供真实项目环境，可参与高质量数据集建设、多模态模型微调和算法效果优化。 岗位要求： 1. 硕士及以上学历，人工智能、计算机、自动化、电子信息、软件工程等相关专业优先。 2. 具备扎实的深度学习基础，熟悉 Transformer、视觉模型、多模态模型、OCR 等相关技术方向。 3. 熟悉 PyTorch 等主流深度学习框架，具备模型训练、调参、评估和 Debug 经验。 4. 熟悉常见大模型微调方法，包括 LoRA、QLoRA、SFT、全参数微调等，能够理解不同训练方案的适用场景。 5. 熟悉 Linux 开发环境，具备良好的 Python 编程能力，代码规范良好，能够独立完成数据处理、模型训练和实验分析脚本开发。 6. 具备较强的问题定位和工程 Debug 能力，能够阅读日志、分析训练异常、定位性能瓶颈，并推动问题解决。 7. 具备一定 AI 工程落地经验，能够结合业务场景独立分析问题、拆解任务并提出可执行方案。 8. 具备良好的沟通能力、团队协作能力和执行力，能够与算法、工程、产品及外部标注团队高效配合，推动项目闭环。 --- ## 加分项 1. 有多模态大模型、OCR、多模态文档解析、表格识别、版面分析等相关项目经验者优先。 2. 有大规模数据集构建、数据治理、数据标注规范设计或标注团队管理经验者优先。 3. 熟悉 vLLM、SGLang、Ray、DeepSpeed、Megatron-LM 等训练或部署框架者优先。 4. 有分布式训练、推理优化、显存优化、性能测试或大模型服务部署经验者优先。 5. 有实际 AI 项目落地经验、科研成果、竞赛经历或开源项目经验者优先。 6. 有多家公司实习经验，具备较充足实习时间，导师无额外限制者优先。 7. 责任心强，抗压能力好，能够适应快速迭代的研发节奏。 ---