1. RAG系统设计与落地 1) 构建检索增强生成（RAG）技术框架，结合向量数据库实现高效知识检索与生成。 2) 优化检索策略提升问答系统准确性与响应速度。 3) 大模型微调和调优，提升大模型生成效果 2. 工程化与业务场景适配 1）将算法模型部署至生产环境，解决分布式训练、推理性能瓶颈问题。 2）针对办公、客服等垂直领域，设计定制化RAG解决方案，提升业务场景的智能化水平

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技术原理，有向量数据库、知识图谱构建或检索优化经验者优先。 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。 5.对自然语言处理（NLP）任务（如文本生成、摘要、问答）有深入理解，能结合业务需求设计技术方案。 加分项 1.有智能客服、推荐系统或金融领域AI落地经验。 2.参与开源项目研发、具备论文发表或竞赛获奖经历（如Kaggle、天池）。