1.主导大模型算法优化工(gōng)作(zuò)，包括领域微调（Domain Fine-tuning）、模型蒸馏（Distillation）、对齐（Alignment）及轻量化部署，制定低成本、高性能(néng)的模型适配方案。 2.攻克业務(wù)场景中(zhōng)的算法挑战，如小(xiǎo)样本微调、多(duō)任務(wù)联合优化、模型压缩（剪枝/量化）与推理(lǐ)效率提升。 3.带领4-5人算法团队完成技(jì )术攻坚，指导成员设计实验、调优模型及输出标准化技(jì )术文(wén)档。 4.协同工(gōng)程团队推动算法落地，确保优化后的模型满足业務(wù)场景的时延、精(jīng)度与资源消耗要求。

1.教育背景：计算机科(kē)學(xué)、人工(gōng)智能(néng)等相关领域顶尖院校博士學(xué)历（或硕士學(xué)历+突出技(jì )术成果），3年以上大模型调优与部署经验。 2.技(jì )术能(néng)力： o精(jīng)通大模型微调技(jì )术（如LoRA、Adapter、Prompt Tuning）及蒸馏方法（知识迁移、层间蒸馏）； o熟悉轻量化部署工(gōng)具(jù)链（ONNX、TensorRT、vLLM）及模型压缩技(jì )术（量化、剪枝）； o熟练使用(yòng)Hugging Face Transformers、PEFT等微调框架，有(yǒu)主流大模型（如LLaMA、ChatGLM）调优实战经验。 3.团队经验：具(jù)备2年以上算法团队带领经验，能(néng)高效拆解业務(wù)需求并制定技(jì )术路径。 其他(tā)加分(fēn)项： 1.在垂直领域（金融、医(yī)疗、法律等）成功落地过微调或蒸馏模型，显著提升业務(wù)指标（如准确率提升20%+）。 2.熟悉高效微调技(jì )术（如参数高效微调PEFT）或低成本蒸馏方案（如无监督蒸馏）。 3.具(jù)备大模型与智能(néng)體(tǐ)协同优化经验（如基于智能(néng)體(tǐ)反馈的强化學(xué)习微调）。