工作内容： 1.模型能力优化 •探索大模型微调技术（LoRA/P-Tuning），提升特定领域任务表现； •设计强化学习与人类反馈（RLHF）训练策略，优化智能体决策逻辑； •构建行业级评测基准（Benchmark），量化智能体性能指标。 2.智能体系统开发 •参与基于大模型的Agent架构设计与实现，包括工具调度（ReAct框架）、工作流引擎开发； •构建检索增强生成（RAG）系统，优化知识库检索精度与响应效率； •开发多智能体协作平台，支持复杂业务场景的自动化决策。 3.工程化落地实践 •开发轻量化部署方案（FastAPI/Flask），支持国产化信创环境适配； •构建全链路数据处理工具，涵盖数据清洗、向量化存储与隐私计算； •参与企业级AI产品落地，对接金融、医疗等真实业务需求。 任职要求 1.基础条件 •985/211高校计算机、人工智能相关专业硕士或优秀本科生； •每周至少全职到岗4天，实习周期≥6个月。 2.技术要求 •熟练掌握PyTorch/TensorFlow框架，深入理解Transformer架构； •熟悉大模型技术栈：LangChain/LlamaIndex等编排框架，Milvus/Pinecone等向量数据库。 •具备至少一项实战经验： •参与过大模型训练/微调项目 •开发过RAG系统或Agent应用 3.加分项 •在NeurIPS/ICML/ACL等顶会发表过相关论文 •熟悉分布式训练（Megatron-LM/DeepSpeed）或推理加速技术（vLLM/TensorRT） •有全栈开发能力（React+FastAPI）或云原生部署经验（Docker/K8s）。