大模型算法工程师

Job description

岗位职责

（一）大模型算法研发与优化

• 负责售后后市场场景大模型选型、精细化微调（LoRA/QLoRA/DPO）、量化压缩及推理加速，平衡模型精度、响应效率与部署成本，适配多终端落地需求。
• 深耕NLP与多模态技术，研发故障诊断、配件精准匹配、工单智能处理、投诉意图解析等核心算法，打造贴合行业场景的技术方案。
• 搭建贴合业务的大模型评估体系，通过Prompt工程、数据增强、参数迭代，持续提升算法业务适配性与落地效果。 （二）业务场景深度落地
• 联动业务与工程团队，挖掘场景痛点，推动大模型算法在智能客服、故障辅助诊断、配件需求预测等场景的端到端落地，保障生产级稳定性与可靠性。
• 主导售后后市场专属数据集构建与数据治理，优化数据与大模型的融合效率，支撑算法迭代升级。
• 负责RAG系统搭建与优化，整合行业知识库、维修规范、配件手册，实现千万级SKU高效检索与专业问答赋能。 （三）技术创新与沉淀 1. 跟踪大模型前沿技术与行业实践，结合汽车/家电/新能源等后市场特性，探索AI Agent、数字孪生融合等创新应用，打造技术壁垒。 2. 沉淀大模型算法研发与落地方法论，输出技术规范与最佳实践，赋能团队技术升级与算法标准化复用。

岗位要求

• 本科及以上学历，计算机科学、人工智能、机器学习、NLP等相关专业；硕士及以上学历、有售后/后市场/供应链大模型落地经验者优先。

知识技能

• 精通Transformer架构与大模型核心原理，熟练掌握2种及以上主流开源大模型（Qwen/GLM/Llama等）的微调、量化及推理优化，具备完整大模型落地项目经验。 熟练运用Python及PyTorch/TensorFlow框架，精通Hugging Face生态、DeepSpeed等工具链，具备高效数据处理与模型工程化能力。 具备扎实的NLP/多模态算法功底，熟悉文本分类、语义匹配、对话生成等技术，了解向量检索（Milvus/Qdrant）、Hybrid Search者优先。 掌握大模型工程化部署技术，熟悉vLLM/TensorRT-LLM推理加速、模型服务化封装（FastAPI），能解决生产级落地中的性能与稳定性问题。
• 一年以上深度学习或者大模型相关工作经验。

其他

• 有售后智能客服、故障诊断、配件需求预测等场景大模型规模化落地经验；主导过大规模售后/配件数据集构建与治理，或有AI Agent在产业场景落地经验；参与开源大模型项目、发表过NLP/大模型相关顶会论文者优先。