1.计算机科学、人工智能、软件工程、数学等相关专业，硕士以上，博士优先； 2.具备优秀的编码能力，熟练掌握Python，熟悉C++、Golang、TypeScript者优先；良好的数学与理论基础，扎实的机器学习、深度学习、优化理论基础； 3.良好的算法基础，深入理解Transformer架构及变体（如BERT、GPT、LLaMA、MoE等），掌握NLP基础任务及评估指标； 4.精通PyTorch/TensorFlow，熟悉模型分布式训练（如Megatron-LM、DeepSpeed、FSDP），有复现论文算法与模型能力者优先； 5.熟悉Hugging Face Transformers、Accelerate等LLM工具链，熟悉预训练、微调关键技术（LoRA、QLoRA、RLHF）、模型量化（GPTQ、AWQ）、压缩（蒸馏）技术； 6.具备大规模模型训练/部署经验，熟悉GPU集群管理（如Slurm）、容器化技术（Docker/K8s）及云服务（AWS/Azure/GCP）者优先； 7.具备优秀的学习能力、问题解决能力、团队协作能力、优秀的沟通表达能力，具备较强的自驱力。 1.语言模型研究与创新，跟踪LLM领域前沿技术，主导或参与模型架构设计与创新，设计并实验训练方法及优化策略； 2.模型训练，负责大规模语言模型的预训练、持续训练及增量更新，包括数据清洗、预处理、增量训练、领域适配及对齐技术落地； 3.模型微调，设计与实现高效微调算法，构建微调数据清洗、增强与评估体系，提升模型在垂直领域的专业能力； 4.模型部署与工程化，设计高效部署方案，包括模型压缩、推理加速、服务架构及高并发支持。