一、核心崗位職責 大語言模型本地化部署與優化 負責DeepSeek-R等大模型的本地化部署，設計GPU資源分配策略與推理加速方案； 開發模型壓縮技術（如量化、剪枝）及顯存優化方案，降低硬件資源消耗； 實現模型服務API封裝，支持高并發低延遲的知識檢索與生成場景。 知識庫數據建模與算法開發 構建知識抽取算法：基于NLP技術實現非結構化文本的實體關系抽取、知識三元組生成及知識圖譜構建； 設計知識表示與存儲方案：結合圖數據庫（如Neo4j）與向量數據庫（如Milvus）優化多模態知識存儲結構； 開發知識增強算法：通過RAG（檢索增強生成）技術提升大模型在垂直領域的準確性。 數據工程與模型訓練 主導自有數據清洗與增強：設計數據標注規則、異常檢測算法及數據增強策略（如對抗訓練）； 開發持續學習機制：結合主動學習（Active Learning）優化模型迭代效率，減少人工標注成本； 構建自動化訓練流水線：集成PyTorch/TensorFlow框架實現分布式訓練與超參數調優。 系統性能調優與監控 設計模型性能評估指標：包括響應延遲、知識召回率、生成內容合規性等； 實現算法模塊的代碼級優化：通過CUDA加速、多線程編程提升計算效率； 開發監控告警系統：實時跟蹤模型推理異常（如幻覺生成、知識沖突）并觸發自修復機制。 二、任職資格要求 技術能力 學歷與專業：計算機科學、人工智能、數學相關專業碩士及以上學歷，博士優先； 編程能力：精通Python/C++，熟悉PyTorch/TensorFlow框架，具備CUDA開發經驗； 算法經驗： 熟悉大模型微調技術（如LoRA、P-Tuning）及本地化部署方案； 掌握NLP核心技術（如BERT預訓練、文本摘要、實體鏈接）； 具備知識圖譜構建經驗（如Neo4j、DGL）。 項目經驗 主導過知識庫系統、問答系統或企業級搜索項目開發； 有處理TB級結構化/非結構化數據的實戰經驗； 熟悉RAG、向量檢索等增強生成技術者優先。 軟性素質 具備跨團隊協作能力，能與產品經理、數據工程師協同定義技術方案； 對技術趨勢敏感，持續跟蹤LangChain、LlamaIndex等開源工具生態。