大模型应用开发实习生

1.大模型智能体开发与优化：参与设计和开发基于大模型的智能问数系统，让用户能够通过自然语言直接与数据库交互，获取洞察。构建和优化智能体的核心NLP能力，如对话管理、任务分解、工具调用等。

2.命名实体识别与信息抽取：针对特定业务领域，进行命名实体识别模型的研发与优化，精准抽取文本中的关键信息。运用微调或Prompt工程等技术，提升大模型在复杂场景下的实体识别与关系抽取能力。

3.知识库优化与检索增强：负责我们智能体背后知识库的构建、清洗和向量化工作。研究与实现高效的检索增强生成框架，提升知识检索的准确性与时效性，确保智能体回答的专业性与准确性。

4.模型选型及评估：设计并执行科学的评估体系，对模型效果进行持续迭代和优化。

任职要求：

1.计算机科学、人工智能、自然语言处理、数据科学等相关专业研究生在读。

2.技术基础：熟悉Python编程，具备良好的代码能力。熟悉PyTorch、Pandas等主流深度学习框架。对自然语言处理的基础任务（如命名实体识别、文本分类、语义理解等）有扎实的理论和实践经验。

3.核心技能（满足以下至少一项）：有大模型相关经验：熟悉Transformer、BERT、GPT等模型架构；有LLM微调、Prompt Engineering、LangChain/LlamaIndex等框架使用经验者优先。有信息抽取经验：具备命名实体识别、关系抽取等项目的实战经验。有检索系统经验：了解向量数据库、语义检索、RAG等相关技术。