一、核心工作職責(zé)

1.大模型算法開(kāi)發(fā)與微調(diào)

-負(fù)責(zé)Transformer、GPT、LLaMA等主流大模型架構(gòu)的優(yōu)化與二次開(kāi)發(fā)，實(shí)現(xiàn)模型在特定領(lǐng)域的性能提升

-運(yùn)用LoRA、QLoRA、AdaLoRA等參數(shù)高效微調(diào)技術(shù)，完成模型在垂直場(chǎng)景的適配

-設(shè)計(jì)Prompt工程策略，優(yōu)化指令微調(diào)（InstructionTuning）流程，提升模型zero-shot/few-shot能力

-實(shí)施模型量化（4-bitNormalFloat）、剪枝等壓縮技術(shù)，平衡模型

2.行業(yè)應(yīng)用智能體構(gòu)建

-基于LLM及RAG技術(shù)構(gòu)建行業(yè)智能體，設(shè)計(jì)動(dòng)態(tài)決策流程與工具調(diào)用機(jī)制（如API集成、數(shù)據(jù)庫(kù)交互）

核心技能

精通PyTorch/TensorFlow框架及HuggingFace生態(tài)工具）

掌握PEFT微調(diào)技術(shù)棧：LoRA、PrefixTuning、Adapter等

熟悉LangChain/LLamaIndex/dify等智能體開(kāi)發(fā)框架

具備分布式訓(xùn)練經(jīng)驗(yàn)（DDP/FSDP），熟悉NVIDIAGPU優(yōu)化技術(shù)

學(xué)歷要求：計(jì)算機(jī)科學(xué)、人工智能、數(shù)學(xué)、統(tǒng)計(jì)學(xué)等相關(guān)專(zhuān)業(yè)碩士及以上學(xué)歷。