工作职责： 1、面向智能标注、智能质检、难例识别等数据生产场景，把标注任务的质量与效率约束抽象成模型问题，完成样本设计、模型选型、微调训练到效果评测的完整实验闭环； 2、判断传统模型、大模型与 Agent 在不同标注任务上的适用边界，给出适配场景的技术方案（通用模型能力与训练基建由算法团队协同支持，本岗位聚焦场景侧策略）； 3、把模型能力接入真实标注生产链路，通过工具调用、流程编排或 Agent，将单点能力组合成可规模化复用的自动化方案； 4、设计人机协同机制：基于任务难度、模型置信度与质量风险，决定什么自动处理、什么人工复核、异常如何兜底，并对准确率、自动化率、人工介入率等结果指标负责。 任职资格： 1、本科及以上学历，计算机、人工智能、自动化等相关专业优先； 2、扎实的算法与工程基础：理解机器学习与大模型原理，熟悉 PyTorch 等框架，了解 SFT、LoRA 等微调方法；Python 扎实，能独立完成从数据处理到模型部署的工程链路； 3、有完整的动手经历：亲手跑完过数据处理→训练→评测→迭代的闭环，并能讲清其中的关键决策与失败排查过程。载体不限——算法竞赛、有实验设计的论文、开源项目或实习项目均可； 4、具备 AI Native 思维：深度使用过大模型与 Agent 类产品，理解 Prompt/上下文工程、工具调用与 Agent 的基本工作机制，有相关实践者优先； 5、有强烈的结果意识与韧劲：面对没做过的问题能自己拆解、查资料、动手验证；效果不达预期时能持续排查根因。