一、職位描述
1. 知識(shí)圖譜架構(gòu)搭建與標(biāo)準(zhǔn)制定:主導(dǎo)知識(shí)圖譜通用架構(gòu)設(shè)計(jì),涵蓋實(shí)體定義、關(guān)系類(lèi)型梳理、屬性規(guī)范制定及圖數(shù)據(jù)庫(kù)選型等核心環(huán)節(jié);輸出可復(fù)用、標(biāo)準(zhǔn)化的知識(shí)建模規(guī)范,為跨行業(yè)知識(shí)體系建設(shè)提供底層框架。
2. 知識(shí)構(gòu)建工具研發(fā):負(fù)責(zé)知識(shí)圖譜構(gòu)建全流程工具開(kāi)發(fā),重點(diǎn)突破多源數(shù)據(jù)的自動(dòng)化知識(shí)抽?。▽?shí)體、關(guān)系、事件等)技術(shù),設(shè)計(jì)高效的人工校驗(yàn)與迭代流程,形成“自動(dòng)化+人工優(yōu)化”的閉環(huán)工具鏈,支撐多行業(yè)知識(shí)圖譜快速落地。
3. 知識(shí)庫(kù)調(diào)優(yōu)策略研究:深耕大模型知識(shí)庫(kù)優(yōu)化技術(shù),圍繞embedding表示學(xué)習(xí)優(yōu)化、檢索增強(qiáng)(RAG)策略、知識(shí)更新與沖突消解等方向開(kāi)展研究;輸出可落地的調(diào)優(yōu)方法論、技術(shù)方案及包含效果數(shù)據(jù)的研究報(bào)告,持續(xù)提升知識(shí)底座的精準(zhǔn)性與可用性。
4. 行業(yè)知識(shí)圖譜落地:深度綁定業(yè)務(wù)場(chǎng)景,挖掘各行業(yè)知識(shí)需求,基于通用架構(gòu)與工具,設(shè)計(jì)并構(gòu)建貼合實(shí)際業(yè)務(wù)的行業(yè)知識(shí)圖譜,推動(dòng)知識(shí)在具體業(yè)務(wù)中產(chǎn)生價(jià)值。
二、職位要求
1.35歲以下,本科及以上學(xué)歷,計(jì)算機(jī)科學(xué)、數(shù)據(jù)科學(xué)或相關(guān)專業(yè),3年以上相關(guān)工作經(jīng)歷,具備優(yōu)秀項(xiàng)目成果的碩士以上應(yīng)屆畢業(yè)生可酌情考慮。
2. 精通知識(shí)圖譜核心技術(shù),包括知識(shí)建模(實(shí)體、關(guān)系、本體設(shè)計(jì))、圖數(shù)據(jù)庫(kù)(Neo4j、NebulaGraph等至少一種)的應(yīng)用與優(yōu)化,有完整知識(shí)圖譜架構(gòu)設(shè)計(jì)經(jīng)驗(yàn)者優(yōu)先。
3. 具備扎實(shí)的編程能力,熟練掌握Python,熟悉TensorFlow/PyTorch等深度學(xué)習(xí)框架,了解NLP核心技術(shù)(命名實(shí)體識(shí)別、關(guān)系抽取、語(yǔ)義匹配等),有知識(shí)抽取工具開(kāi)發(fā)經(jīng)驗(yàn)者優(yōu)先。
4. 了解大模型原理及應(yīng)用,熟悉檢索增強(qiáng)(RAG)、知識(shí)增強(qiáng)大模型等相關(guān)技術(shù),有知識(shí)庫(kù)與大模型結(jié)合實(shí)踐經(jīng)驗(yàn)(如知識(shí)問(wèn)答、智能體知識(shí)注入)者優(yōu)先。
5. 具備良好的數(shù)據(jù)分析與實(shí)驗(yàn)?zāi)芰?,能設(shè)計(jì)合理的評(píng)估指標(biāo),完成調(diào)優(yōu)策略的效果驗(yàn)證,并輸出清晰的技術(shù)報(bào)告。