大模型算法工程师（多模态/语言大模型）

模型微调与对齐 (SFT & RL)：
负责大语言模型（LLM）或多模态模型（VLM）的全流程训练，包括指令微调（SFT）以及强化学习（RL）偏好对齐（PPO/GRPO等），提升模型的指令遵循能力与安全性。
针对垂直领域场景，进行模型适配与持续优化。
数据构建与合成：
负责高质量训练数据的建设，包括文本、图像等多模态数据的清洗与配比优化。
探索合成数据生成技术，通过数据质量提升模型训练效果。
模型部署与推理优化：
负责模型的私有化部署与服务化封装；
应用模型量化、推理加速（如 vLLM）等技术，在保证效果的前提下优化显存占用与响应速度。
. 应用开发与评测：
基于 Prompt Engineering 或 Agent（智能体） 架构解决实际业务问题（如工具调用、复杂规划）。
搭建模型评估体系（Evaluation），量化分析模型在业务场景中的表现并持续迭代。

熟练使用 Python，扎实的算法基础，熟练掌握 PyTorch 等主流深度学习框架。
大模型经验（核心项）：
熟悉主流开源模型（如 Llama、Qwen、DeepSeek等）的架构特点与使用方法。
训练经验： 熟悉 SFT 流程，了解或实践过 RL算法，有 DeepSpeed 等分布式训练经验者优先。
多模态能力： 理解多模态模型（VLM）原理，有图文理解或视频流处理模型的相关经验。
工程与落地：
具备良好的工程落地能力，熟悉模型转换与量化部署工具。
对新技术（如 MoE 架构、长上下文 Long Context 等）保持敏感，能快速复现开源方案。