AI与大模型开发工程师(J33538)

1. 大模型算法研发与优化

• 参与大模型（LLM）基座及多模态大模型的研发与优化工作，负责模型架构设计、预训练、有监督微调（SFT）、强化学习（RLHF）及推理优化。
• 基于Qwen、DeepSeek、Llama等主流大模型框架，开展算法创新与业务场景适配。

1. 大模型工程化与业务落地

• 负责大模型在具体业务场景中的应用落地，包括需求分析、应用场景设计及解决方案设计论证。
• 承担模型私有化部署、知识库构建、提示工程（Prompt Engineering）设计及效果评估优化等工作。
• 参与大模型应用平台研发，攻克领域自适应训练、智能体（Agent）构建等关键技术。

1. 数据工程与模型评测

• 参与数据闭环平台建设，负责数据管道构建、数据质量优化及评测体系建设。
• 完成算法仿真、测试与技术文档编制，支撑算法工程化落地。

1. 前沿技术跟踪与创新

• 跟踪大模型、智能决策等前沿技术动态，探索相关技术在集团主营业务的迁移应用，推动技术成果向产品化转化
• 5.完成领导交办的其他相关工作。

1. 学历要求

2027届全日制统招本科及以上学历应届毕业生。

1. 专业要求

计算机科学与技术、软件工程、人工智能、数学、自动化、电子信息等相关专业。

1. 编程语言与框架

• 熟练掌握 Python 或 Java 其中至少一种编程语言；
• 了解至少一种主流Web开发框架（如Flask、FastAPI、Spring Boot），有实际API开发经验者优先；
• 具备良好的编码习惯（命名规范、代码注释、异常处理），了解Git等代码版本管理工具。

1. 数据库基础

了解关系型数据库（MySQL/PostgreSQL）基本操作，具备一定的数据库设计意识与SQL编写能力。

1. AI基础实践

• 大模型API调用：了解国产大模型API（如智谱GLM、文心一言、通义千问等）的基本调用方式，有实际调用经验者优先；
• Prompt工程：了解基础的Prompt优化方法（如few-shot、角色设定、输出格式约束等）；
• RAG与向量数据库：理解RAG（检索增强生成）基本原理，了解至少一种向量数据库（如Chroma、FAISS、Milvus等）的基本使用方式，能够实现简单的文档加载→向量化→检索→增强生成流程；
• NLP基础（如涉及文本处理方向）：了解分词、命名实体识别、文本分类等基础NLP任务，能使用jieba等工具完成基础文本处理；
• CV基础（如涉及图像处理方向）：了解OpenCV基础操作，对OCR原理（如PaddleOCR、Tesseract等）有基本认知，能完成基础的图像预处理与文字识别任务。

1. 工程基础设施认知

• 了解CI/CD基本概念（如GitHub Actions、GitLab CI等）；
• 了解Docker等容器化工具的基本使用；
• 了解日志监控与基础运维知识（如查看容器日志、分析简单指标等）。

1. 核心能力

• 学习能力与自驱力：对AI工程化落地充满热情，能够快速跟进新技术并尝试应用；
• 问题分析与解决能力：逻辑清晰，能够独立完成模块级问题的定位与修复；
• 团队协作与沟通能力：善于与产品、算法、后端等角色高效协作，主动沟通、及时反馈；
• 责任心与质量意识：代码交付严谨规范，对系统稳定性有较强的责任心。

1. 政治素质

政治立场坚定，认同央企文化及发展战略。

1. 英语能力

大学英语六级（CET-6）及以上水平，能流畅阅读英文技术文档。