模型开发平台架构师

负责模型服务平台的总体架构设计，覆盖模型训练、微调、部署、推理等全链路能力规划，制定平台技术架构方案，明确各模块技术标准与接口规范，确保架构方案可落地、可扩展。

负责数据标注与处理能力链的架构规划，设计覆盖数据采集、清洗、标注、质检及标注后处理的全流程架构方案，制定标注工具与平台集成的技术标准，统筹自动化标注与人工标注的协同架构，建立数据质量评估与反馈机制，确保训练数据的质量、效率和可追溯性。

负责大模型后训练与微调的工程方案设计，包括SFT、RLHF、DPO等微调方法在平台上的能力规划，训练数据质量标准制定与流水线架构设计；负责多模态模型能力的架构规划，支持视觉-语言、音频-语言、视频-语言等多模态模型的训练、对齐与部署，规划多模态数据标注方案及平台集成架构。

负责项目交付过程的技术把控与里程碑管理，评审训练优化、推理性能、端侧/云侧部署、数据标注工具集成等关键技术方案，识别并推进解决关键技术风险，确保各环节交付质量满足架构标准与业务要求。

建立模型效果与数据质量评估的持续优化机制，制定模型训练/微调后的评估标准与反馈流程，根据业务反馈指导平台能力迭代方向；将架构设计经验沉淀为技术规范与最佳实践，推进平台架构在业务场景中的示范应用与推广。

计算机、人工智能、数学等相关专业硕士及以上学历，5年以上相关工作经验，其中至少2年算法开发/大模型后训练/微调或多模态模型开发经验，有垂域模型落地交付经历。

理解主流微调方法（SFT、RLHF、DPO等）的原理与工程实现，掌握LoRA、QLoRA等高效微调技术，熟悉异构算力（GPU/NPU）下的分布式训练方案；熟悉多模态对齐与融合方法，了解主流多模态模型架构（如CLIP、BLIP、LLaVA等），能规划多模态能力在平台上的架构集成方案。

熟悉大模型训练数据全流程管理，了解数据标注规范设计、标注工具集成、数据质量评估等方法，有数据标注平台或自动化标注相关架构经验者优先，能制定数据质量标准并规划标注流程的工程化方案。

具备扎实的架构设计能力，理解混合精度训练、数据并行/模型并行/流水线并行等分布式训练策略，有模型推理部署与性能调优经验；有项目管理或技术交付把控经验，能设计平台级架构方案并把控交付质量，有跨团队协作推动项目落地经验者优先。

技术攻坚与问题拆解能力强，能快速定位训练/部署中的技术瓶颈并制定解决方案；有良好的文档撰写和技术规范沉淀习惯，能将架构设计经验固化为可复用的方法论；跨团队协作能力好，能与算法、产品、工程团队高效联动