大模型应用开发专家

岗位定位
作为公司在大模型应用方向的技术专家，您将负责从0到1设计并落地具备行业竞争力的智能Agent技术架构。该岗位的核心价值在于：做出关键技术决策、设计可演进的系统架构、平衡前沿探索与工程稳定性，并为研发团队提供架构指导与技术赋能。
岗位职级
P7/P8
岗位职责
1. 前沿研究与技术预研
1.1跟踪国内外大模型、智能体、推理模型等领域的前沿进展，识别具有潜在突破性的技术方向。
1.2主导关键技术的预研与可行性验证，包括但不限于：高效推理与规划算法、长期记忆与知识演化机制、多智能体协作理论、模型自我反思与修正能力等。
1.3探索大模型在特定行业/领域的深度应用，输出技术研究报告与创新解决方案，为公司战略决策提供技术依据。
2. 核心架构设计与技术决策
2.1负责智能Agent系统整体技术架构的顶层设计，统筹模型层、数据层、工具链层、部署层的架构选型与集成方案，确保架构在性能、成本、可扩展性、可维护性等方面具备行业竞争力。
2.2制定中长期技术演进路线图，明确各阶段的技术重点与节奏，对关键技术选型（基座模型、推理引擎、存储方案、通信协议、Agent框架）承担最终决策责任。
2.3主导技术债务识别与治理，在快速迭代与系统稳定性之间做出合理权衡，确保架构的可持续演进。
3. 复杂系统开发与工程落地
3.1带领技术团队完成智能Agent核心能力的研发，构建端到端的研发、评测、部署与观测体系，建立自动化评测Benchmark与持续优化机制，量化评估模型在准确性、鲁棒性、效率等方面的表现。
3.2攻克大模型推理优化（量化、稀疏化、投机采样等）、分布式微调、大规模RAG等工程难点，保障系统在生产环境中的稳定运行与成本可控。
4. 技术影响力与团队建设
4.1作为技术专家，为团队提供技术指导与代码审查，培养团队成员在大模型、Agent领域的专业能力。
4.2代表公司在技术社区、行业会议、学术平台进行分享，提升公司在智能Agent领域的技术影响力。

任职要求
1. 学历与专业
本科及以上学历，硕士、博士优先。计算机科学、人工智能、数学等相关专业，毕业于国内外顶尖理工类高校，国内985或国际QS前50院校优先。
2. 理论基础与研究能力
2.1深厚的大模型理论功底：
深入理解Transformer架构的底层原理、注意力机制演变、大模型涌现能力、Scaling Laws等；熟悉主流模型家族（GPT、Llama、Qwen、DeepSeek等）的设计差异与适用场景。
2.2精通智能体核心机制：
对Agent的规划（Planning）、记忆（Memory）、工具使用（Tool Use）、多智能体协作（Multi-Agent）等有系统性的理论认知；熟悉ReAct、CoT、ToT、Reflection等范式及其背后的逻辑。
3. 算法与工程实践
3.1大模型微调与对齐：
精通有监督微调（SFT）、高效微调（LoRA、QLoRA）、人类反馈强化学习（RLHF）或直接偏好优化（DPO）等对齐技术，能够根据业务需求设计数据策略与训练方案。
3.2复杂系统开发：
具有从0到1构建大模型应用或Agent系统并成功上线的经验，主导过至少一个中大型项目（系统规模、用户量或技术复杂度达到一定层级）。
3.3高性能计算与推理优化：
熟悉vLLM、TensorRT-LLM、TGI等推理框架，具备模型压缩、量化、并行推理等方面的实战经验；熟悉分布式训练框架（DeepSpeed、Megatron-LM）。
3.4全栈工程能力：
精通Python，熟悉至少一种高性能后端语言（Go/Java）的系统设计模式。熟悉数据处理工具链，具备构建高质量训练数据集的经验。熟悉Kubernetes、Docker、服务网格等云原生技术栈，了解GPU推理优化与资源调度，具备生产环境部署与运维的架构经验。
4. 开源与社区贡献
4.1在GitHub上有高质量开源项目，或能提供体现技术深度的代码示例/GitHub仓库者优先。
4.2有技术博客、公开演讲或行业会议分享经历者优先。
5. 学习能力与自驱力
5.1对国内外新兴大模型产品（包括开源模型与商业模型）保持高度关注，具备快速学习新技术并将其转化为工程方案的能力。
5.2具备带领技术团队完成复杂项目的经验，能够通过技术规范、代码审查、架构评审等方式提升团队整体技术水平。
5.3具备强烈的技术好奇心与自驱力，优秀的逻辑思维与问题解决能力，善于跨团队协作，能够在快速变化的技术环境中持续学习与突破。