大模型开发工程师
岗位定位
负责大语言模型的全链路研发、性能优化与业务落地工作，参与从数据构建、模型训练、对齐调优到推理部署的完整流程，结合业务场景打磨大模型核心能力，推动 AI 技术在产品中的落地应用。
核心工作职责
大模型训练与算法迭代
参与大语言模型的方案设计与研发落地，覆盖训练数据清洗与构建、预训练 / 持续预训练、指令微调（SFT）、人类反馈对齐（RLHF/DPO/ORPO）等全流程；
针对模型的指令遵循、逻辑推理、知识准确性、多轮对话等核心能力进行专项优化，持续迭代提升模型效果。
推理优化与工程部署
负责大模型的推理性能与成本优化，通过量化、蒸馏、剪枝、算子优化、显存调度等技术手段，降低推理延迟与资源消耗；
基于 vLLM、TensorRT-LLM、LightLLM 等主流推理框架，完成大模型的服务化封装、容器化部署与线上运维，保障服务的高可用、高并发与稳定性。
场景化应用开发
结合业务需求，开展 RAG 检索增强生成、Agent 工具调用、函数调用（Function Call）等场景化能力开发，将大模型能力落地到具体业务产品；
负责 Prompt 工程与效果调优，针对垂直业务场景输出定制化的大模型解决方案。
技术沉淀与前沿探索
跟踪大模型领域前沿学术进展与工业界技术实践，开展新技术调研与落地验证；
沉淀大模型研发、部署、落地的技术规范与最佳实践，支撑团队技术能力提升。
任职资格
基础要求
本科及以上学历，计算机科学与技术、人工智能、软件工程、电子信息等相关专业；
熟练掌握 Python 编程语言，具备良好的代码规范与工程化思维，有 C/C++ 开发经验者优先；
精通 PyTorch 深度学习框架，深入理解 Transformer 核心架构与原理，熟悉 LLaMA、Qwen、ChatGLM、Mistral 等主流开源大模型的结构特性；
具备大模型相关项目实操经验，有预训练、微调、对齐、推理优化任一方向的落地经历；
熟悉 Linux 操作系统，掌握 Docker 等容器化工具，具备基础的服务部署与问题排查能力；
具备清晰的逻辑思维与问题分析能力，能够独立定位并解决模型训练、部署过程中的技术问题；
有较强的技术自驱力，能够持续跟进大模型领域技术动态，主动学习前沿方案。
加分项
有大规模分布式训练经验，熟悉 DeepSpeed、Megatron-LM、Colossal-AI 等分布式框架，有百卡 / 千卡级训练调优与稳定性保障经验；
精通大模型推理优化技术，熟练掌握 GPTQ、AWQ、SmoothQuant 等量化方案，有 CUDA 算子开发、显存优化相关经验；
有 RAG、智能 Agent、多模态大模型的落地项目经验，有垂直领域（教育、金融、医疗、代码等）大模型定制化案例；
在 NeurIPS、ICML、ICLR、ACL 等顶会发表过相关论文，或在主流开源大模型社区有显著贡献；
具备高并发 AI 服务开发经验，熟悉 FastAPI、gRPC 等服务框架，有线上大模型服务的性能调优与运维经验；
熟悉数据治理、训练数据配比优化，有高质量指令数据集、偏好数据集构建经验。
岗位亮点
深度参与核心大模型产品全链路研发，技术成长路径清晰，拥有充足的技术创新与落地空间；
团队技术氛围浓厚，鼓励前沿技术探索与开源贡献；
具备市场竞争力的薪酬体系与技术晋升通道，配套完善的福利保障。
