1.负责大语言模型、多模态大模型的算法研发、迭代优化与落地应用，聚焦模型预训练、微调、对齐、推理优化等核心技术方向，支撑业务场景落地。 2.针对通用对话、智能问答、内容生成、行业知识库问答、Agent智能体、多模态交互等业务场景，设计并落地大模型算法解决方案，解决场景中的核心技术难点。 3.开展大模型相关前沿技术研究，跟进国内外最新算法、模型架构、训练范式及优化方案，结合公司业务需求进行技术创新和落地转化，持续提升模型效果、稳定性与实用性。 4.负责大模型微调数据、Prompt、RAG检索、模型对齐（SFT/RLHF）等核心模块的设计、开发与优化，提升模型的准确率、逻辑性、安全性和场景适配能力。 5.参与模型训练、量化、剪枝、蒸馏、推理加速等工程化优化工作，优化模型推理速度、降低部署成本，适配线上高并发、低延迟的业务需求。

1、硕士及以上学历（优秀本科生可放宽），计算机、人工智能、自动化、数学等相关专业 2、3年以上AI算法相关工作经验 3、精通Python，熟练使用C++/Java至少一种；熟悉Linux开发环境。 4、精通PyTorch或TensorFlow，深入理解Transformer架构原理，熟悉主流开源大模型（LLaMA系列、Qwen系列、BERT系列等）的结构与推理逻辑，精通LLM预训练、增量预训练、SFT微调、RLHF/DPO对齐等技术，能够独立完成模型微调、适配、优化与场景落地，有真实项目落地经验者优先。 5、熟悉数据清洗、高质量训练数据构建、Prompt工程优化方法，具备独立解决模型效果优化问题的能力。 6、熟练掌握至少一种模型压缩技术（量化、剪枝、蒸馏），熟练使用至少一种量化/蒸馏工具（如NVIDIA TensorRT, Intel Neural Compressor, PaddleSlim, AIMET），理解STE、KL散度等原理。 7、熟悉至少一种主流AI推理框架（TensorRT、ONNX Runtime、MNN、TNN等），具备算子开发、推理优化或模型部署的实战经验。了解大模型推理优化技术，包括量化、KV缓存、模型蒸馏、并行推理等，有线上推理加速、性能优化经验者优先。