以下暂未纳入匹配项
| 职位职责 |
1、负责大规模语言模型（LLM）及相关多模态模型的训练、微调、优化与部署，推动其在实际业务场景中的落地应用；2、基于行业需求（如医疗、政务、教育等），设计并实现Prompt工程、RAG（检索增强生成）、Agent任务编排等大模型应用架构；3、开展模型压缩、推理加速、分布式训练优化等关键技术研究，提升模型性能与服务效率；4、结合向量数据库（如Milvus）与语义检索技术，构建高效的知识检索与语义匹配系统；5、使用FastAPI、Flask等框架开发高性能RESTfulAPI接口，支撑模型服务化输出与前后端联调；6、参与智能体（Agent）系统开发，包括FunctionCalling、MCP等技术架构，支持复杂任务的自主规划与工具调用；7、跟踪大模型领域前沿技术，持续进行技术创新和方案迭代；8、协同数据、产品与工程团队，完成从算法研发到系统集成的全流程闭环开发；9、输出高质量的技术文档、设计方案及专利成果，支持项目交付与知识沉淀；10、完成领导交办的其他工作。 |
| 任职要求 |
1、计算机、人工智能或相关专业硕士及以上学历，具备扎实的深度学习与自然语言处理理论基础；2、熟练掌握Python及主流深度学习框架（如PyTorch），具备大模型训练与调优实战经验；3、熟悉Transformer架构及主流大模型（如Qwen、DeepSeek、GPT等）的原理与使用方式；4、具备良好的工程能力，熟悉Dify、vLLM、LangChain等工具；5、熟悉向量数据库（如Milvus、FAISS）的使用与集成，有文本向量化、语义检索、人脸/图文跨模态匹配等项目经验者优先；6、熟悉NLP核心任务（如文本生成、意图识别、信息抽取、对话系统）的建模方法；7、熟练掌握FastAPI、Flask等Web服务框架，能够独立完成模型API封装与服务部署；8、具备智能体（Agent）开发经验，理解FunctionCalling机制，有MCP架构实践或自研Agent系统经验者优先；9、具备较强的问题分析与逻辑思维能力，能够独立完成算法设计与验证；10、具有良好的沟通能力和团队协作精神，能适应快速迭代的技术环境；11、发表过相关顶会论文者优先。 |
免责声明：用人单位专业、学历、学位等报考条件复杂，是否符合职位报考请登录招考单位官网进行核实或与招录单位电话联系确认，中公教育职位匹配及参考信息仅供参考，请自行进一步核实并确认是否能够报考，因此造成的损失中公教育不承担任何责任。同时，中公教育将不断提升产品体验和技术水平，逐步完善职位匹配精准度，为广大用户提供更高质量的体验服务！
