大模型知识计算工程师

1. 知识图谱架构搭建与标准制定：主导知识图谱通用架构设计，涵盖实体定义、关系类型梳理、属性规范制定及图数据库选型等核心环节；输出可复用、标准化的知识建模规范，为跨行业知识体系建设提供底层框架。
2. 知识构建工具研发：负责知识图谱构建全流程工具开发，重点突破多源数据的自动化知识抽取（实体、关系、事件等）技术，设计高效的人工校验与迭代流程，形成“自动化+人工优化”的闭环工具链，支撑多行业知识图谱快速落地。
3. 知识库调优策略研究：深耕大模型知识库优化技术，围绕embedding表示学习优化、检索增强（RAG）策略、知识更新与冲突消解等方向开展研究；输出可落地的调优方法论、技术方案及包含效果数据的研究报告，持续提升知识底座的精准性与可用性。
4. 行业知识图谱落地：深度绑定业务场景，挖掘各行业知识需求，基于通用架构与工具，设计并构建贴合实际业务的行业知识图谱，推动知识在具体业务中产生价值。

二、职位要求

1.35岁以下，本科及以上学历，计算机科学、数据科学或相关专业，3年以上相关工作经历，具备优秀项目成果的硕士以上应届毕业生可酌情考虑。

2. 精通知识图谱核心技术，包括知识建模（实体、关系、本体设计）、图数据库（Neo4j、NebulaGraph等至少一种）的应用与优化，有完整知识图谱架构设计经验者优先。
3. 具备扎实的编程能力，熟练掌握Python，熟悉TensorFlow/PyTorch等深度学习框架，了解NLP核心技术（命名实体识别、关系抽取、语义匹配等），有知识抽取工具开发经验者优先。
4. 了解大模型原理及应用，熟悉检索增强（RAG）、知识增强大模型等相关技术，有知识库与大模型结合实践经验（如知识问答、智能体知识注入）者优先。
5. 具备良好的数据分析与实验能力，能设计合理的评估指标，完成调优策略的效果验证，并输出清晰的技术报告。