算法工程师（大模型工程方向）

岗位职责
1. 大模型推理部署与性能优化：
- 负责 LLM / 多模态大模型的工程化落地：模型转换、量化、算子优化、推理引擎选型（vLLM、TensorRT-LLM、TGI、DeepSpeed 等）。
- 优化推理吞吐、首包延迟、显存占用，解决 GPU 资源瓶颈，做批处理、连续批、KV Cache 优化；压测、定位性能瓶颈。
- 搭建模型推理服务，封装 API，实现负载均衡、限流、熔断、多实例调度。
2. 模型微调工程 & 训练侧工程支持：
- 搭建微调训练框架（LoRA、全参数微调、DPO 等），分布式训练环境搭建、多卡通信、训练稳定性保障。
- 训练数据处理流水线开发：数据清洗、格式转换、数据加载器，监控训练 loss、显存、报错，排查训练挂起、OOM 等问题。
- 训练 / 微调任务自动化、任务调度、模型版本管理（Model Registry）。
3. 模型服务化与平台建设：
- 构建大模型服务链路：模型网关、路由、A/B 测试、灰度发布、请求日志、调用指标监控。
- 开发模型管理工具：模型上传、版本切换、配置管理、自动部署、回滚机制。
- 和后端、业务、产品协作，对接业务方，把大模型能力封装成业务可用接口。
4. 问题排查、稳定性与运维
- 线上问题应急：推理报错、显存泄漏、响应超时、服务雪崩，定位底层问题。
- 建立监控告警体系：GPU 利用率、显存、QPS、token 耗时、错误率。
- 资源成本优化：GPU 资源调度、弹性扩缩容，降低单 token 推理成本。
5. 技术调研与预研
- 跟进大模型推理、分布式训练新技术，评估新框架、新量化方案、实操大规模模型训练，落地真实医疗场景。

岗位要求
【必备条件】
1.学历要求：2027届本科或硕士毕业生（有扎实的研究/项目经历）；
2.专业要求：计算机科学、人工智能、数学、生物医学工程等相关专业；
3.理论基础：扎实的深度学习基础（理解CNN、RNN、Transformer等架构），熟悉大模型原理，了解预训练、微调、指令微调等概念，扎实的数学基础（线性代数、概率论、最优化方法等）；
4.编程和工具：熟练掌握Python编程，熟练使用PyTorch或TensorFlow，了解Linux环境和Shell脚本；
5.学习能力：能够阅读和理解英文学术论文，有独立思考和问题分析能力。
【优先（加分）条件】
1.具备大模型相关研究经验（涵盖预训练、微调、对齐等方向）；
2.在ACL、EMNLP、NeurIPS、ICML等学术会议上发表过论文；
3.熟悉GPT、LLaMA、ChatGLM等主流模型架构；
4.具备模型训练经验（曾训练BERT、GPT等模型）；
5.掌握分布式训练相关技术（如DDP、FSDP、DeepSpeed等）；
6.在Kaggle竞赛中曾进入前10%；
7.基于大模型构建过训练/推理工作流或评测体系，有可展示的作品。
【AI工具应用能力要求】
有大模型实际应用经验，能使用AI工具（代码生成、实验管理、论文辅助阅读等）加速模型开发与实验迭代，有AI辅助科研或项目的实操经历并能说明验证过程。