1. 构建公司大模型的预训练及RAG知识库，支撑智能问答、文本生成等场景; -深度学习框架：精通TensorFlow、PyTorch等主流框架;熟悉LLM预训练、微调（SFT）、强化学习（RLHF/PPO）及多模态融合（文本/图像/视频） - 精通RAG相关技术，对于非结构化的文档有实际的向量化和标注经验;掌握如 dify,Coze,8n8等开源平台的使用，搭建过基于 AI的工作流，AI Agent ，熟悉 MCP,A2A协议，对于开发 Agentic AI 有一定的了解 2.具备大模型基础理论与架构能力： --深入理解Transformer及其变体（如GPT、BERT、LLaMA、MoE等）的核心原理，熟悉训练目标设计，能分析模型结构对性能的影响; --掌握大模型预训练全流程;精通多模态大模型架构。能设计跨模态对齐方案（文本-图像特征映射、模态间注意力交互等） 3. 具备大模型适配与微调计划与能力： --精通大模型微调方法，具备领域适配能力： 4. 具备大模型工程化与部署优化能力： --熟悉大模型训练框架与工具（如Megatron、DeepSpeed等），能搭建分布式训练环境（多GPU/多节点集群），解决训练中的算力调度、内存优化、断点续训问题; --精通大模型部署技术，包括模型压缩（INT4/INT8量化、知识蒸馏、剪枝）、推理加速（vLLM、TensorRT-LLM等）、动态批处理、能在有限的资源下实现低延迟、高并发推理; --能设计大模型全生命周期管理流程，包括训练数据版本控制、模型版本管理、微调迭代pipoline等;