大模型工程师

岗位职责

1. 模型训练与微调
   负责大语言模型/多模态大模型的预训练、继续预训练、指令微调（SFT）、对齐（RLHF/DPO/PPO）等工作。

2. 数据工程与治理
   构建高质量训练与评测数据集，包括数据采集、清洗、去重、标注、配比、质量评估及安全过滤。

3. 高效微调与领域适配
   使用 LoRA、QLoRA、Adapter、P-Tuning 等方法，将大模型适配到垂直业务场景。

4. 分布式训练与性能优化
   基于 PyTorch、DeepSpeed、Megatron-LM、FSDP 等框架，实现多机多卡训练，优化显存占用、训练吞吐和稳定性。

5. 推理加速与部署
   使用 vLLM、TensorRT-LLM、FasterTransformer、ONNX 等工具，进行量化、蒸馏、KV Cache 优化、并发调度，降低推理延迟与成本。

6. 模型评测与迭代
   设计评测基准，评估模型在知识、推理、代码、幻觉、安全、偏见等方面的表现，推动模型持续迭代。

7. 大模型应用落地
   结合 RAG、Agent、工具调用、向量数据库、LangChain/LlamaIndex 等，构建对话、问答、代码生成、智能助手等业务应用。

8. 平台与工具建设
   参与大模型训练/推理平台、MLOps、实验管理、监控告警、版本管理等基础设施建设。

9. 前沿技术跟踪
   跟进开源模型、论文和行业动态，复现关键技术，进行技术选型与内部技术分享。

10. 跨团队协作
    与产品、算法、工程、业务团队协作，将大模型能力转化为可落地的产品功能。

常见任职要求：

• 本科及以上学历，计算机、人工智能、数学、统计等相关专业；

• 熟悉 Python、PyTorch、Transformer 架构及 Attention 机制；

• 有大模型训练、微调、推理部署经验，熟悉 Hugging Face 生态；

• 熟悉分布式训练、CUDA、推理加速、模型量化等技术；

• 熟悉 RAG、Agent、Prompt Engineering 等应用范式；

• 有开源项目、论文、竞赛获奖或大规模 GPU 集群经验者优先。