AI大模型(2026届)

岗位职责 负责面向业务场景的大模型微调（如SFT、LoRA、RLHF等）与效果优化； 设计并开发基于大模型的AI Agent系统，包括任务规划、工具调用、记忆机制等核心模块； 构建和优化RAG（检索增强生成）系统，涵盖知识库构建、向量检索、上下文融合与生成优化； 可根据个人专长，在大模型微调、Agent架构、RAG系统、多模态应用 等方向深入专精，或作为全栈型AI工程师覆盖多个技术环节； 参与或主导端到端AI项目的规划、技术选型、系统设计与落地交付； 核心技术能力 具备模型训练的实际经验，或在深度学习/机器学习领域有扎实的项目积累； 熟练掌握PyTorch（优先）或TensorFlow，能独立完成模型开发、训练与调试； 在NLP、CV或多模态至少一个方向有深入实践，熟悉相关任务（如文本生成、图像理解、跨模态对齐等）； 有AI Agent或RAG系统的开发经验，熟悉主流框架（如LangChain、LlamaIndex、DSPy等）者优先； 熟悉当前主流大模型（如LLaMA系列、Qwen、ChatGLM、Claude、GPT等）的特性、能力边界与适用场景，并有实际调用或集成经验； 有参与或主导过完整的AI相关项目，能从需求分析推进到系统上线。 加分项 有大模型微调实战经验，包括但不限于：LoRA、QLoRA、SFT、RLHF、DPO等技术； 深入理解大模型架构（如Transformer、MoE、位置编码机制、注意力优化等）； 亲手从零或继续预训练阶段训练过小型LLM（如1B~7B规模）； 熟悉大模型推理优化技术，如模型量化（GGUF/AWQ）、推理加速（vLLM、TensorRT-LLM）、分布式部署等； 在GitHub、技术社区有高质量开源项目、技术博客或论文发表。