AI算法工程

深入理解业务场景与数据特征，设计并优化 AI 算法方案（如模型微调、检索增强、多模态融合等），将算法能力转化为可落地的业务效果；

负责算法从实验到生产的全链路工程化，包括数据预处理、模型训练与评估、推理服务部署、在线效果监控与持续迭代；

在工程实践中持续改进算法效果，通过Prompt优化、模型路由、召回策略、精排等工程手段提升AI应用的准确性、稳定性和效率；

跟踪大模型与深度学习前沿技术（如RAG、Agent、多模态等），结合业务痛点推进技术预研与创新应用。

扎实的机器学习与深度学习基础，熟悉Transformer架构、预训练与微调范式，具备算法方案设计能力；

熟练掌握Python及PyTorch等深度学习框架，有实际的模型训练、实验与调优经验；

了解大模型应用工程化技术，如模型服务部署、向量检索、RAG Pipeline等，有相关实践；

具备较强的工程落地意识，能从数据质量、推理延迟、成本效率等维度系统性评估和优化AI系统；

对AI技术有深度好奇心，既能钻入算法细节，也能跳出技术看业务价值，乐于将前沿成果转化为实际产品；

具备良好的沟通协作与问题拆解能力，能理解业务需求并将其翻译为可执行的技术方案。

有大模型预训练或微调经验（如 LoRA/QLoRA/Full Fine-tune），熟悉分布式训练（DeepSpeed/FSDP/Megatron）；

有模型推理优化经验（如 vLLM、TensorRT-LLM、量化部署等），了解Serving系统设计；

在 NLP/CV/多模态/RL等方向有研究，发表过顶会/顶刊论文。