一、崗位職責(zé)
1. 大模型應(yīng)用開(kāi)發(fā)：
? 負(fù)責(zé)大語(yǔ)言模型（LLM）或跨模態(tài)大模型在實(shí)際業(yè)務(wù)場(chǎng)景中的需求分析、模型選型與優(yōu)化（如智能客服、知識(shí)問(wèn)答、文檔理解、自動(dòng)化合規(guī)審核、數(shù)據(jù)庫(kù)問(wèn)答等）；
? 完成模型的微調(diào)（Fine-tuning）、提示工程（Prompt Engineering）、評(píng)估與部署，解決領(lǐng)域適配問(wèn)題，重點(diǎn)突破數(shù)據(jù)庫(kù)問(wèn)答場(chǎng)景下的語(yǔ)義理解、查詢生成、數(shù)據(jù)治理與結(jié)果準(zhǔn)確性適配問(wèn)題。
2. 性能優(yōu)化與工程化：
? 優(yōu)化模型推理效率（如量化、剪枝、蒸餾）及顯存占用，提升服務(wù)吞吐量，保障數(shù)據(jù)庫(kù)問(wèn)答等高并發(fā)查詢場(chǎng)景的響應(yīng)性能；
? 設(shè)計(jì)多模型協(xié)同架構(gòu)（如RAG、Agent系統(tǒng)），解決復(fù)雜任務(wù)鏈問(wèn)題，支持?jǐn)?shù)據(jù)庫(kù)問(wèn)答中的多輪交互、復(fù)雜查詢拆解與跨庫(kù)關(guān)聯(lián)查詢等核心需求。
3. 技術(shù)研究與創(chuàng)新：
? 了解大模型前沿技術(shù)：關(guān)注大模型領(lǐng)域的一些前沿技術(shù)（如 MoE 的基本概念、長(zhǎng)上下文處理的重要性、多模態(tài)對(duì)齊的基本原理），并思考其在業(yè)務(wù)場(chǎng)景中的潛在應(yīng)用，尤其探索在數(shù)據(jù)庫(kù)問(wèn)答場(chǎng)景的技術(shù)落地可能性；
? 構(gòu)建領(lǐng)域數(shù)據(jù)集并進(jìn)行初步訓(xùn)練策略探索：參與構(gòu)建針對(duì)特定垂直領(lǐng)域的、較小規(guī)模的數(shù)據(jù)集（含數(shù)據(jù)庫(kù)問(wèn)答專用數(shù)據(jù)集），并嘗試設(shè)計(jì)一些基本的領(lǐng)域適配訓(xùn)練策略，提升模型對(duì)數(shù)據(jù)庫(kù) schema 理解、SQL 生成與糾錯(cuò)能力。
二、任職要求
1. 教育背景：
? 本科及以上學(xué)歷，計(jì)算機(jī)、電子、軟件工程、數(shù)學(xué)等相關(guān)專業(yè)優(yōu)先。
2. 技術(shù)基礎(chǔ)：
? 了解主流大模型架構(gòu)（如Transformer、LLaMA、GPT、CLIP），具備提示詞工程優(yōu)化經(jīng)驗(yàn)，有數(shù)據(jù)庫(kù)問(wèn)答場(chǎng)景提示詞設(shè)計(jì)與優(yōu)化經(jīng)驗(yàn)者優(yōu)先；
? 掌握大模型微調(diào)技術(shù)（如SFT、LoRA、QLoRA、Adapter），具備顯存優(yōu)化經(jīng)驗(yàn)（混合精度訓(xùn)練、梯度累積），有針對(duì)數(shù)據(jù)庫(kù)問(wèn)答模型的微調(diào)適配經(jīng)驗(yàn)者優(yōu)先；
? 熟悉大模型應(yīng)用技術(shù)棧：LangChain/LLamaIndex、向量數(shù)據(jù)庫(kù)、評(píng)估工具（MT-Bench、HELM），能熟練運(yùn)用技術(shù)棧構(gòu)建相關(guān)應(yīng)用；
? 使用過(guò)Dify/Coze/fastgpt等平臺(tái)，熟悉工作流構(gòu)建、智能體與自定義工具編寫(xiě)，有基于平臺(tái)構(gòu)建數(shù)據(jù)庫(kù)問(wèn)答智能體或相關(guān)工作流經(jīng)驗(yàn)者優(yōu)先；
? 具備基礎(chǔ)的數(shù)據(jù)庫(kù)知識(shí)，了解主流數(shù)據(jù)庫(kù)（MySQL、PostgreSQL、MongoDB等）的查詢語(yǔ)法，能理解數(shù)據(jù)庫(kù) schema 設(shè)計(jì)，支撐數(shù)據(jù)庫(kù)問(wèn)答場(chǎng)景的技術(shù)落地。
3. 項(xiàng)目經(jīng)驗(yàn)：
? 2年以上NLP/CV算法經(jīng)驗(yàn)，至少1年大模型相關(guān)項(xiàng)目實(shí)戰(zhàn)經(jīng)驗(yàn)；
? 有至少一個(gè)完整的大模型落地案例（如基于LLM的智能審核系統(tǒng)、智能問(wèn)答、數(shù)據(jù)庫(kù)問(wèn)答系統(tǒng)或者多模態(tài)內(nèi)容生成）。
4. 工程能力：
? 熟悉使用模型加速工具（vLLM、DeepSpeed、TensorRT），具備服務(wù)部署經(jīng)驗(yàn)（API封裝、并發(fā)優(yōu)化）；
? 熟悉Linux開(kāi)發(fā)環(huán)境，能獨(dú)立完成數(shù)據(jù)清洗、訓(xùn)練、評(píng)估全流程。
加分項(xiàng)
? 發(fā)表過(guò)高水平LLM相關(guān)論文，或參與開(kāi)源大模型項(xiàng)目貢獻(xiàn)；
? 具備大規(guī)模數(shù)據(jù)處理與優(yōu)化的經(jīng)驗(yàn)；
? 具備多模態(tài)任務(wù)（文本+圖像/視頻）處理經(jīng)驗(yàn)，或復(fù)雜決策任務(wù)（Agent規(guī)劃、工具調(diào)用）開(kāi)發(fā)能力；
? 有數(shù)據(jù)庫(kù)問(wèn)答系統(tǒng)全流程開(kāi)發(fā)或優(yōu)化經(jīng)驗(yàn)，熟悉SQL生成模型（如CodeLlama、SQLNet）的應(yīng)用與調(diào)優(yōu)；
? 具備數(shù)據(jù)倉(cāng)庫(kù)、數(shù)據(jù)建模相關(guān)經(jīng)驗(yàn)，能深度理解業(yè)務(wù)數(shù)據(jù)結(jié)構(gòu)，提升數(shù)據(jù)庫(kù)問(wèn)答場(chǎng)景的適配效果。
軟技能要求
? 問(wèn)題拆解能力：能將模糊業(yè)務(wù)需求轉(zhuǎn)化為可落地的技術(shù)方案（如將“智能合規(guī)審核”拆解為文檔解析+規(guī)則匹配+LLM決策，將“智能數(shù)據(jù)庫(kù)查詢”拆解為語(yǔ)義理解+Schema映射+SQL生成+結(jié)果校驗(yàn)）；
? 協(xié)作溝通：能與產(chǎn)品、工程團(tuán)隊(duì)高效協(xié)作，推動(dòng)技術(shù)方案落地；
? 學(xué)習(xí)與抗壓：適應(yīng)技術(shù)快速迭代，能獨(dú)立攻關(guān)技術(shù)難點(diǎn)。