1. 碩士及以上學歷，計算機科學、人工智能、數學、數據科學或相關專業背景。
2. 具備扎實的機器學習與深度學習理論基礎，熟悉 Transformer 架構、注意力機制和預訓練范式。
3. 至少 2 年以上大規模模型研發經驗，熟悉 PyTorch、DeepSpeed、Megatron-LM、vLLM 等主流訓練/推理框架。
4. 具備大規模分布式訓練調優經驗，能夠獨立設計高效的分布式訓練策略，解決 GPU 集群資源利用與性能瓶頸問題。
5. 熟練掌握至少一種大語言模型微調技術（LoRA、P-Tuning、RLHF、DPO 等），有實際落地案例。
6. 具備將復雜業務需求抽象為模型問題并提出創新性解決方案的能力。
1、大模型研發與優化：負責預訓練語言模型的研發與優化，包括參數規模在百億級以上的 Transformer 類模型；探索混合專家（MoE）、長上下文（Long-Context）、稀疏注意力等前沿架構提升推理與訓練效率。
2、模型訓練與微調：針對不同業務場景，開展大規模語料預訓練、指令微調（Instruction Tuning）、偏好對齊（RLHF、DPO 等）和低成本高效微調（LoRA、QLoRA、P-Tuning 等），提高模型在垂直領域的表現。
3、性能與部署優化：研究并實現分布式訓練（如 ZeRO、FSDP、DeepSpeed、Megatron-LM）、模型并行與推理加速（vLLM、TensorRT-LLM、FlashAttention），降低 GPU 內存消耗與推理時延。
4、工程落地：與平臺團隊協作，提供模型推理服務 API，封裝高性能 SDK，支持多端調用（Web/移動端）；負責大模型在知識圖譜、搜索推薦、對話系統等場景的落地與優化。
5、前沿探索：跟蹤 LLM、Multimodal、RAG（檢索增強生成）、Agent 框架以及模型安全性（安全對齊、防幻覺）領域的最新進展，推動大模型與知識圖譜、圖神經網絡等技術結合。