1.负责LLM的微调、提示工程、性能优化及领域适配 1)开发模型压缩技术（量化/蒸馏/剪枝），提升推理效率 2) 构建RAG（检索增强生成）系统，解决行业长尾问题 3) 智能体（Agent）系统设计 2.开发具备规划、工具调用（Tool Calling）、记忆控制的多模态智能体 1)实现Agent工作流框架（如ReAct、COT），支持复杂任务拆解与自动化执行 2)构建仿真环境验证Agent决策能力，持续优化任务成功率 3) 工程落地与部署 3.设计高并发推理服务架构（容器化/模型并行），支持千亿级参数模型在线部署 1)开发监控系统跟踪模型漂移、幻觉率等关键指标 2)构建自动化评估平台（LLM-as-Judge），量化Agent性能

1.熟悉大模型预训练、微调及模型压缩技术，具备实际项目经验。 2.精通RAG和agent技术原理，有实际项目落地经验者优先。 3.熟练使用Python，掌握PyTorch框架，了解VLLM、LangChain等大模型工具。 4.具备良好的代码工程能力，能独立完成算法实现与调优。 加分项 1.在顶级会议（NeurIPS/ICML/ACL）发表LLM/Agent相关论文 2.参与过开源大模型项目（如Qwen、Dify等）