1，理解Transformer架构及其衍生模型的核心机制；熟悉主流的生成式AI算法； 2，熟练使用深度学习框架，具备多机多卡分布式训练的实操经验；熟悉分布式训练框架及显存优化技术，熟悉混合精度训练与显卡利用率调优； 3，编程与工程能力，熟练掌握Python编程，具备优秀的算法实现与工程封装能力，熟悉Linux开发环境及Docker容器化技术，有大模型训练项目或开源贡献，熟悉模型压缩、量化如QAT者优先。 1，参与工业垂直领域的基础大模型预训练、全量微调技术以及参数高效微调工作； 2，参与研究分布式训练加速与显存优化框架，设计高效的数据并行、模型并行或混合并行策略； 3，针对特定工业数据特征，参与探索并优化深度学习前沿网络架构，持续提升模型的生成质量与泛化能力； 4，面向工业大规模多模态数据的高效处理流，为大模型训练构建构建高质量训练数据流。