国产中文无码av每日更新在线观看, 亚洲天堂中文字幕一区二区三区免费, 国产口爆吞精在线观视频-黄色国产, 92福利-国内精品久久久久久99,亚洲成AV人A片不卡无码,浪潮AV无码专区,老熟女败火白浆,中文字幕日产av,色情日本免费看大片

一、核心職責(zé)
1. 訓(xùn)練數(shù)據(jù)處理與生成：針對 LLM 訓(xùn)練需求，清洗并規(guī)范化多源數(shù)據(jù)（文本 / 表格 / 日志），完成數(shù)據(jù)脫敏、去重、去噪，輸出符合訓(xùn)練標(biāo)準(zhǔn)的語料；結(jié)合交通 / 政務(wù) / 停車等業(yè)務(wù)場景，設(shè)計(jì)提示詞模板與采樣策略（含 system prompt、shot 數(shù)量、temperature/top-p 參數(shù)），批量生成高質(zhì)量問答對與指令數(shù)據(jù)，并搭建 “生成 - 過濾 - 審?！?閉環(huán)機(jī)制，保障數(shù)據(jù)質(zhì)量。
2. 微調(diào)數(shù)據(jù)流水線構(gòu)建：負(fù)責(zé) LLM 微調(diào)數(shù)據(jù)全流程搭建，涵蓋數(shù)據(jù)切分、格式適配（Alpaca/ShareGPT 規(guī)范）、多輪質(zhì)檢與版本化管理，確保數(shù)據(jù)鏈路可追溯。
3. LLM 微調(diào)執(zhí)行與協(xié)助：執(zhí)行并協(xié)助團(tuán)隊(duì)完成 LLM 參數(shù)高效微調(diào)任務(wù)（LoRA/QLoRA/PEFT），實(shí)時(shí)監(jiān)控訓(xùn)練關(guān)鍵指標(biāo)（loss、grad norm、VRAM 占用、TPS 等），輸出可復(fù)現(xiàn)的訓(xùn)練腳本，配合團(tuán)隊(duì)優(yōu)化微調(diào)效果。
4. 模型評測與驗(yàn)收：開展 LLM 離線基準(zhǔn)評測（Exact-Match、F1、ROUGE、BERTScore、長度懲罰等指標(biāo)），針對交通 / 政務(wù) / 停車等領(lǐng)域數(shù)據(jù)集進(jìn)行專項(xiàng)測試，對比基線模型與 A/B 測試結(jié)果，輸出評測報(bào)告。
5. 文檔與知識沉淀：梳理并沉淀崗位核心知識資產(chǎn)，包括 LLM 訓(xùn)練數(shù)據(jù)標(biāo)準(zhǔn)、提示詞庫、模型評測報(bào)告、模型迭代變更記錄（changelog），支撐團(tuán)隊(duì)技術(shù)復(fù)用。
二、任職要求
1. 學(xué)歷與實(shí)習(xí)時(shí)長：計(jì)算機(jī)、數(shù)據(jù)科學(xué)、人工智能等相關(guān)專業(yè)在讀（本科及以上）；每周可到崗≥3 天，連續(xù)實(shí)習(xí)≥3 個(gè)月，能穩(wěn)定參與項(xiàng)目迭代。
2. 基礎(chǔ)技術(shù)能力：熟練掌握 Python 編程（必備）；具備正則表達(dá)式應(yīng)用、SQL 結(jié)構(gòu)化查詢能力；扎實(shí)掌握 Linux 操作系統(tǒng)基礎(chǔ)與 Git 版本控制（如分支管理、提交規(guī)范、沖突解決）。
3. 模型認(rèn)知基礎(chǔ)：熟悉 Transformer 模型核心原理（如 Tokenization、上下文窗口機(jī)制），理解 SFT（監(jiān)督微調(diào)）、指令微調(diào)及模型對齊的核心邏輯，能清晰區(qū)分不同微調(diào)方式的適用場景。
4. 工作能力要求：具備快速試錯(cuò)與迭代意識，能基于數(shù)據(jù)驗(yàn)證提示詞優(yōu)化效果，以 “產(chǎn)出高質(zhì)量結(jié)果” 為導(dǎo)向，主動推進(jìn)任務(wù)落地。
三、加分項(xiàng)
1. 微調(diào)與工具經(jīng)驗(yàn)：了解 LoRA/QLoRA 等參數(shù)高效微調(diào)技術(shù)，或使用過 DeepSpeed/Accelerate（訓(xùn)練加速）、vLLM/TGI（推理部署）工具；有 HuggingFace Transformers、LlamaFactory 實(shí)操經(jīng)驗(yàn)者優(yōu)先。
2. 評測能力儲備：使用過 lm-eval-harness、OpenAI Evals 等 LLM 專業(yè)評測框架，或有自建領(lǐng)域評測集（如交通 / 政務(wù)場景）、設(shè)計(jì)評測指標(biāo)的經(jīng)驗(yàn)。
3. 數(shù)據(jù)與開源經(jīng)驗(yàn)：參與過數(shù)據(jù)標(biāo)注、眾包質(zhì)檢、合成數(shù)據(jù)治理項(xiàng)目；曾向開源社區(qū)（如 HuggingFace、LlamaFactory）提交過 PR 并被合并者優(yōu)先。
四、技術(shù)棧（含應(yīng)用場景）
類別 核心技術(shù)及應(yīng)用說明
數(shù)據(jù)處理 Python/Pandas（數(shù)據(jù)清洗、分析與格式轉(zhuǎn)換）、SQL（結(jié)構(gòu)化數(shù)據(jù)查詢與提取）
模型訓(xùn)練 HF Transformers/PEFT/TRL（LLM 基礎(chǔ)訓(xùn)練框架）、LoRA/QLoRA（參數(shù)高效微調(diào)）、DeepSpeed/Accelerate（訓(xùn)練加速）、BitsAndBytes（低精度訓(xùn)練）
服務(wù)與評測 vLLM/TGI（LLM 推理部署）、FastAPI（簡單服務(wù)搭建）、lm-eval-harness（評測框架）、Weights & Biases/Grafana（指標(biāo)監(jiān)控與可視化）
協(xié)作與工具 Jupyter（數(shù)據(jù)探索與腳本調(diào)試）、VS Code（代碼開發(fā)）、Git（版本控制與團(tuán)隊(duì)協(xié)作）