岗位职责
1. 工业大模型开发与优化：
- 负责工业领域大模型（如LLM、多模态模型）的算法设计、训练、微调及部署，针对工业场景（如设备诊断、生产优化、供应链管理等）进行定制化开发。
- 优化模型性能，解决工业数据中的小样本、噪声数据、长尾分布等问题。
2. 场景落地应用：
- 将大模型技术与工业实际需求结合（如工艺优化、质量检测、设备预测性维护等），设计可落地的解决方案。
- 开发行业专属Prompt工程、RAG（检索增强生成）或Agent框架，提升模型在垂直领域的准确性。
3. 数据处理与工具链构建：
- 构建工业领域的高质量预训练/微调数据集，设计数据增强与标注方案。
- 开发模型训练与推理的自动化工具链，支持分布式训练与边缘端部署。
4. 跨团队协作：
- 与产品、工程、业务团队紧密合作，推动算法在工业软件、智能设备等场景的落地。
任职要求
1. 技术能力：
- 硕士及以上学历，计算机、自动化、数学等相关专业，3年以上算法开发经验。
- 熟练掌握PyTorch/TensorFlow框架，具备大模型（如LLaMA、GPT、GLM等）微调、分布式训练经验。
- 熟悉工业场景常见算法（如时序预测、异常检测、OCR、知识图谱等），有实际项目经验者优先。
- 熟悉模型压缩技术（量化、剪枝、蒸馏）及边缘部署（TensorRT、ONNX等）者加分。

2. 行业经验：
- 有工业领域（制造、能源、交通等）算法落地经验，熟悉行业数据特点（如SCADA、MES、传感器数据）。
- 了解工业软件（如PLM、SCADA）或设备协议（如OPC UA、Modbus）者优先。

3. 软技能：
- 强烈的业务导向思维，能快速理解工业场景痛点并提出技术方案。
- 优秀的沟通能力，能协同非技术团队推动项目落地。

加分项
- 发表过NLP/CV/多模态相关顶会论文，或开源项目贡献者。
- 熟悉工业领域知识（如工艺原理、设备机理模型）。