一、 大模型与多模态模型的底层研发与工程优化
1. 深入理解Transformer、MoE、Hybrid等主流架构原理，具备模型结构调整、稀疏化、量化、知识蒸馏等改进能力；
2. 主导多机多卡（如2~8机、每机4~8卡）分布式训练，熟练应用Data/Model/Pipeline并行策略，掌握DeepSpeed、FSDP、Megatron-LM等框架的核心机制与调优技巧；
3. 优化模型推理性能：包括KV Cache管理、动态批处理、PagedAttention、vLLM/TensorRT-LLM部署、INT4/INT8量化等，显著提升吞吐与降低延迟；
4. 支持多模态大模型（如Qwen-VL、InternVL、LLaVA等）的微调、指令对齐与端到端集成，解决跨模态表征对齐与推理一致性问题。
二、 智能体（AI Agent）系统设计与实现
1. 构建具备规划（Planning）、长期记忆（Memory）、工具调用（Function Calling）、反思（Self-Reflection） 能力的Agent框架；
2. 设计多Agent协作机制，支持任务分解、动态调度与结果聚合；
3. 结合RAG、ReAct、LangChain/CrewAI等范式，提升Agent在知识问答、决策辅助、自动化运营等场景中的准确性与鲁棒性。
三、 面向业务的高价值算法建模与闭环落地
1. 基于海量异构数据（文本、图像、日志、时序等），构建可解释、可监控的预测、分类、检索与生成模型；
2. 支撑关键系统：智能搜索推荐、异常检测与归因、经营预测优化、政策知识库问答等；
3. 推动模型全生命周期管理：数据→训练→评估→部署→监控→反馈迭代。

一、基础要求：
1、2027届应届毕业生，硕士及以上学历，英语六级及以上；计算机、软件工程、人工智能、数学等相关专业。
二、技能要求：
1、熟练使用 Python、Java，了解Linux、Git、SQL，具备基本工程实现与排错能力。
2、了解大模型基本概念，接触过 RAG / 微调 / 模型部署等。
三、素质要求：
1、具备对算法领域前沿技术的热情和研究能力，可以进行包括大模型、多模态等技术的应用和实践；
2.、算法应用和模型建立：具备建立算法应用于经营管理分析的能力，包括预测模型、优化模型等；
3.、有良好的沟通协调能力，良好的团队合作能力，有较强的创新改善能力。