大模型算法工程师

岗位职责
算法研发与优化：专注于大模型方向的应用研发及Agent（智能体） 应用的构建与调优。针对能源制造业（如设备维修知识库问答、安全规程助手、多模态报告生成）及数字孪生业务场景，设计、实现和优化高效的模型应用方案。
项目实施与落地：参与公司相关项目的算法设计与实施，解决大模型在垂直领域的幻觉问题，确保算法在实际业务中的有效落地。
技术研究与创新：持续关注大模型领域的最新研究成果，结合公司业务需求，探索引入创新方案。
团队协作与指导：积极参与团队技术分享，协助解决数据处理、模型训练中的技术难题，分享行业最佳实践，提升团队整体技术水平。
任职要求
1. 基础素质与经验
计算机科学、人工智能、数学、自然语言处理等相关专业本科及以上学历。
具备1年以上机器学习、深度学习或大模型相关工作经验。
热爱人工智能工作，对大模型技术有强烈的好奇心和探索欲，具备快速学习和适应新技术的能力。
具备良好的逻辑思维能力和代码规范，能够独立思考和分析问题。
具有良好的团队合作精神和沟通能力，责任心强，能高效完成分配的任务。
2. 核心专业技能（大模型方向）
理论基础：深入理解 Transformer 架构及其变体，熟悉预训练、监督微调（SFT）、人类反馈强化学习（RLHF/DPO）等核心原理。
实践经验：在以下至少一个子领域有一定的实践或项目经验：
大模型微调：熟悉 LoRA, P-Tuning, Full Fine-tuning 等微调技术，有使用开源基座模型（如 Deepseek, Qwen 等）进行垂直领域适配的经验。
RAG 应用：熟悉检索增强生成架构，掌握向量数据库、文本切片、重排序（Rerank）等关键技术，有解决知识更新和幻觉问题的经验。
Agent 开发：了解 LangChain, LlamaIndex 等框架，有构建基于大模型的智能体（Agent），实现工具调用（Function Calling）和任务规划的经验。
多模态大模型（加分项）：熟悉图文匹配、视觉问答（VQA）、文档解析等技术，有处理工业图纸、仪表盘图像等多模态数据经验者优先。
3. 技术栈要求
编程语言：熟练掌握 Python，具备良好的代码规范和文档习惯；了解 Linux 常用命令。
深度学习框架：熟练使用 PyTorch，熟悉 Hugging Face transformers, accelerate, peft 等生态库。
大模型工具链：
熟悉主流开源大模型架构及训练/推理框架（如 DeepSpeed, Megatron-LM, vLLM等）。
熟悉向量数据库（如 Milvus, Faiss, Chroma, Elasticsearch）的使用。
熟悉应用开发框架（如 LangChain, LlamaIndex, Dify）。
工程化基础：
熟悉 Git 版本控制，了解 Docker 容器化部署。
有 GPU 集群训练或推理服务部署经验者优先。
了解基本的后端 API 开发（FastAPI/Flask）以便模型服务化