大模型算法工程师

一、岗位核心定位 本岗位聚焦大模型在企业数字化转型、智能化升级中的落地应用，主导大模型相关算法的研发、优化与工程化部署，结合数学建模、数据分析及传统机器学习技术，核心支撑企业业务流程智能化、数据资产价值化，通过技术融合创新提升企业运营效率，助力企业构建数字化、智能化核心竞争力；有大模型与营销场景融合经验者可作为加分项。 二、核心工作职责 主导大模型（含开源微调、自研轻量化模型）在企业数字化场景中的算法设计、研发与迭代，运用数学建模方法量化业务需求、优化模型适配逻辑，结合传统机器学习算法辅助大模型微调与场景适配，针对企业内部数据特点，通过数据分析挖掘数据价值，优化大模型的训练、推理效率，提升模型在企业场景下的适配性和准确性。 负责大模型相关算法的性能调优，结合数据分析定位模型瓶颈，运用数学建模工具解决模型部署中的精度、速度、算力适配等核心问题，融合传统机器学习技术补充大模型应用短板，推动算法从实验室走向实际业务场景，保障模型稳定、高效运行。 跟踪大模型、数学建模、数据分析及传统机器学习领域前沿技术，结合企业业务需求进行技术转化，落地算法创新方案，持续提升企业智能化技术水平。 协同数据团队，运用数据分析方法完成企业业务数据的梳理、清洗、标注与特征工程，通过数学建模构建适配大模型训练的高质量数据集，结合传统机器学习数据处理经验优化数据质量，保障数据的合规性、完整性和有效性。 与前端、后端、运维团队紧密配合，推进算法系统的部署、监控与维护，建立算法性能监控体系，运用数据分析技术跟踪模型运行效果，及时响应并解决线上算法相关故障。 参与企业数字化、智能化建设的技术研讨，结合大模型、数学建模、数据分析及传统机器学习能力，为业务场景优化、产品迭代提供技术建议。 三、任职要求 （一）学历与专业 本科及以上学历，计算机科学、人工智能、机器学习、数据科学、应用数学等相关专业，3年以上大模型算法研发或企业智能化场景大模型应用落地经验，具备数学建模、数据分析及传统机器学习相关经验者优先，有营销与大模型融合场景经验者可额外加分。 （二）专业技能 精通大模型相关算法原理（如Transformer架构、预训练模型微调、提示工程等），熟练使用至少一种大模型框架（如PyTorch、TensorFlow），具备丰富的大模型微调、推理优化及工程化应用落地经验，重点突出大模型在企业场景的实操应用能力。 具备扎实的数学建模能力，熟练运用数学建模方法（如回归分析、规划优化、概率统计等）解决企业业务中的量化问题，支撑大模型场景适配与效果优化；掌握传统机器学习算法（如分类、回归、聚类、集成学习等），能运用传统机器学习技术辅助大模型落地，提升算法适配性。 具备较强的数据分析能力，熟练使用数据处理与分析工具（如Pandas、NumPy、SQL、Matplotlib等），能独立完成数据挖掘、特征工程、数据可视化等工作，为大模型训练、算法优化提供数据支撑；熟悉企业数字化建设相关场景（如运营、客服、供应链等），能快速理解业务需求并转化为大模型与数据分析、数学建模结合的应用方案。 具备良好的编程能力，熟练掌握Python，了解Shell、C++者优先，能独立完成大模型、数学建模、传统机器学习相关代码开发与调试；具备适配大模型训练的数据集构建与优化能力。 了解企业数据合规要求，能在大模型算法设计、数据使用、数学建模与机器学习应用过程中保障合规性；具备良好的问题分析与解决能力，能快速定位并解决大模型应用落地过程中的技术难题。 （三）软实力要求 具备较强的沟通协同能力，能高效对接业务、产品、工程等多团队，推动算法方案落地。 具备较强的学习能力和创新意识，能快速跟踪大模型领域前沿技术，结合企业需求进行技术创新。 责任心强，具备良好的抗压能力和团队协作精神，注重细节，追求算法效果与业务价值的最大化。 四、岗位核心优势（加分项） 有企业数字化、智能化建设全流程大模型应用落地经验，主导过大模型在企业核心业务场景的规模化应用，具备丰富的实操案例和落地经验，同时具备数学建模、数据分析及传统机器学习融合应用经验者优先。 拥有大模型、数学建模或机器学习相关技术认证，或相关开源项目应用经验者优先，重点考量综合技术实操应用能力。