ai算法工程师

岗位职责：
负责大模型平台产品的设计与开发，能够根据客户业务场景需求设计开发大模型应用整体方案，包括训练数据规划整理、大模型二次训练、提示词工程、训练效果优化等。
需求分析与整体方案设计：
深入理解客户在具体业务场景下的痛点、目标与约束条件。基于业务需求，设计可行、高效、可扩展的大模型应用整体技术方案与系统架构。明确方案中的技术路径、模块划分、数据流与评估指标。
全流程模型技术实施与优化：
训练数据治理：负责规划、采集、清洗、标注及增强业务相关的训练与评估数据，构建高质量的数据集，制定数据质量标准与迭代流程。
模型精调与训练：主导或参与基座大模型的二次训练（微调），包括但不限于监督微调（SFT）、奖励模型建模与强化学习训练（RLHF）等，以适配特定领域与任务。
提示词与交互工程：设计、优化及系统化构建高质量的提示词、上下文示例及智能体交互逻辑，提升模型的指令遵循能力、任务完成度与输出可靠性。
模型效果调优：通过算法改进、参数调优、知识注入、工具调用扩展等多种技术手段，持续迭代并提升模型在具体任务上的性能、准确性与可控性。
模型评估与性能提升：
建立并实施多维度的模型评估体系，包括离线评估与在线A/B测试，量化模型效果与业务价值。
针对模型推理速度、资源消耗进行优化，探索和应用模型压缩、量化、高性能推理服务部署等技术。
监控模型线上表现，分析bad case，制定并执行持续的优化迭代计划。
协作与知识沉淀：
与产品经理、项目团队及客户紧密协作，将技术方案有效落地并产生业务影响。
跟踪大模型领域的前沿技术动态，进行技术原型验证，并将可行技术引入产品与项目。
撰写技术文档、设计方案，并进行内部知识分享，提升团队整体能力。

任职要求：
计算机科学、人工智能或相关专业本科及以上学历，本科毕业3年左右AI相关工作经验或硕士应届生。
扎实的机器学习、深度学习理论基础，熟悉自然语言处理 (NLP) 相关技术。
熟练掌握 Python 编程语言，熟悉常用的深度学习框架，如 PyTorch、TensorFlow 等。
具备丰富的 Prompt Engineering 经验，能够设计高效的 Prompt 来引导 LLM 完成特定任务。
熟悉 LLM 推理加速技术，如量化、蒸馏等，熟悉常用的推理服务框架如 vLLM 及其特性。
熟悉 LLM 应用开发流程，能够使用 LangChain、LlamaIndex 等工具构建基于 LLM 的应用系统。
熟悉 Docker 容器化技术、Linux 操作系统，能够将 LLM 模型和应用容器化部署，具备良好的 Linux 环境下的开发调试能力。
了解 LLM 训练过程，并能够根据具体任务选择合适的训练策略。
了解 FastAPI 或其他 Web 框架，能够开发高效的 API 接口。