岗位职责：1. 协助AI应用模型的开发。
2. 针对业务场景需求，开发并优化传统机器学习模型（如分类、回归、聚类等）及深度学习模型。
3. 完成大模型（LLM）的微调（Fine-tuning）、蒸馏（Knowledge Distillation）、压缩及性能优化，提升模型在垂直场景的适用性。
4. 利用MLflow实现模型训练、实验跟踪、版本管理及部署的全流程管理。
5. 参与数据预处理、特征工程、模型评估及线上服务性能调优，确保系统高效稳定运行。
6. 跟踪前沿技术（如大模型训练优化、轻量化部署），推动技术创新与业务落地结合。
7. 撰写技术文档，与产品、工程团队协作，推动算法模型的产品化落地。
任职要求：
技术能力
机器学习基础：精通经典算法（线性回归、决策树、SVM、集成学习等）及深度学习模型（CNN/RNN/Transformer）。
大模型技术：
熟悉大模型（如Deepseek、GPT系列）的微调技术（LoRA、Adapter等）及蒸馏方法（模型压缩、知识迁移）。
了解大模型训练优化技术（分布式训练、混合精度训练、显存优化）。
编程能力：
熟练使用Python及主流框架（PyTorch/TensorFlow/Keras）。
熟悉大模型生态工具（Hugging Face、LangChain）、部署工具（vLLM、FastAPI）。
工具链：
熟悉MLflow进行模型生命周期管理，或有类似工具（Kubeflow、TFX）使用经验。
了解低代码平台Dify的应用开发流程，或有快速构建AI应用的经验。
熟悉Git、Docker、Kubernetes等开发与部署工具。
数据处理：具备数据清洗、特征工程、可视化及大规模数据集的建模经验。
有模型服务化（ONNX/TensorRT）、边缘端部署或高并发场景优化经验。
熟悉大模型Agent技术、RAG（检索增强生成）或垂直领域微调经验（如金融、医疗）。