大模型预训练/微调工程师

负责大模型后训练与微调方案设计，包括SFT、RLHF、DPO等微调策略制定、训练数据构建与质量把控；深度参与领域/垂域模型的微调架构设计，推动垂域模型适配方案落地；

负责多模态数据融合算法研究与多模态模型开发，包括视觉-语言、音频-语言、视频-语言等多模态对齐与融合方案设计；针对各行业多模态需求（图像标注检测、语音识别、视频打点追踪、多模态综合判断等），推动跨模态理解与生成能力建设；

攻关后训练/微调与多模态模型关键技术难题，重点突破异构算力下的分布式微调优化、小样本垂域微调效果保障、多模态数据对齐与融合、跨模态推理性能优化等核心问题，支撑模型在端侧及云侧的高效部署与稳定运行；

跟踪模型微调与多模态模型效果，建立评估与反馈机制，根据业务反馈持续优化微调策略、多模态模型表现与数据处理流程，推动后训练/微调与多模态算法经验沉淀，形成可复用的技术规范与最佳实践；

推进大模型微调与多模态关键技术在业务场景中的示范应用，形成可复制推广的垂域模型微调与多模态算法解决方案。

计算机、人工智能、数学等相关专业硕士及以上学历，5年以上大模型研发工作经验，其中至少2年大模型后训练/微调或多模态模型开发经验，有垂域模型交付落地经历。

深入理解SFT、RLHF、DPO等主流微调方法的理论原理与工程实现，熟练掌握LoRA、QLoRA等高效微调技术，有异构算力（GPU/NPU）下分布式微调的实操经验，能针对垂域场景制定数据构造与训练策略。

精通视觉-语言、音频-语言、视频-语言等多模态对齐与融合方法，熟悉主流多模态模型架构（如CLIP、BLIP、LLaVA等），有跨模态理解与生成模型的开发与优化经验，能解决多模态数据处理、特征对齐等关键技术问题。

深刻理解大模型训练全流程的工程要点，掌握混合精度训练、梯度累积、数据并行/模型并行/流水线并行等分布式训练优化策略，能系统性提升训练效率与模型效果。

具备将算法能力转化为业务方案的思维，能根据行业需求拆解模型优化目标，制定可量化、可验证的交付标准，推动垂域模型与多模态能力在真实场景中落地生效。

极强的技术攻坚与问题拆解能力，能快速定位训练/微调中的瓶颈并制定解决方案；优秀的文档撰写与技术规范沉淀习惯，能将实践经验固化为可复用的方法论；良好的跨团队协作能力，能与工程、产品等团队高效联动。