大模型训练开发工程师

大模型训练数据治理：参与大模型预训练、微调全流程基础工作，负责各类文本、结构化、业务场景数据集的清洗、去重、脱敏、格式转换、数据抽样与均衡处理，校验数据合规性、完整性与安全性，过滤劣质、违规、噪声数据，搭建标准化基础训练数据集，保障模型训练的数据底座质量；

模型训练与微调落地：执行大模型常规训练、SFT微调、增量训练任务，严格遵循研发操作规范，完成训练任务创建、参数配置、任务启动、全程运行监控，精准记录训练Loss、收敛速度、显存占用、训练吞吐量、迭代效率等核心指标，及时排查训练过程中的卡顿、报错等基础问题，保障训练任务稳定推进；

模型验证与迭代优化：负责模型训练后的效果验证、性能测试与结果统计，整理、汇总、分析各类验证数据，输出规范完整的模型测试报告与迭代总结报告；持续梳理、优化模型验证流程、测试标准与验收规范，沉淀标准化验证体系，支撑模型持续迭代升级；

训练工具与环境运维：维护大模型训练研发环境，负责Conda环境管理、依赖库适配、进程监控、日志采集与排查，优化训练基础脚本与批量处理工具，适配HuggingFace、LlamaFactory等主流生态工具，提升模型训

环境与运维能力：熟练掌握Linux系统常用操作，可独立完成文件管理、进程监控、日志排查、权限配置、Conda环境搭建与迁移等工作；能够编写简易Shell脚本，实现数据批量处理、任务批量启动、日志批量统计等自动化操作；

编程与工具开发能力：具备扎实的Python编程基础，熟练使用主流数据处理库，可独立开发、优化数据集清洗、格式转换、数据抽样、结果统计、指标可视化等自动化工具脚本，提升研发工作效率；

大模型生态工具经验：接触并熟练使用至少一种主流大模型训练与推理生态工具，如LlamaFactory、HuggingFace Transformers、Vllm、Swift等，了解工具基础用法、适配场景与常见问题排查；

文档与标准化能力：具备良好的技术思维和规范的文档输出习惯，可完整记录模型训练、数据处理、测试验证全流程的问题现象、排查思路、解决方案，持续沉淀标准化操作手册、研发规范和经验库；

模型训练基础认知：熟悉大模型训练基础原理与核心指标，深入理解训练Loss、显存占用、训练吞吐量、收敛速度、过拟合/欠拟合等指标的核心含义，具备基础的指标分析、问题研判和训练调优能力；