生成式AI（大模型算法）

职责描述
（技术1）资深大模型算法科学家：负责本体增强检索与生成（RAG）算法研究，扩大评测集开展幻觉率与答案准确率对照评测，建立200题A/B/C评测体系；支撑问数与根因分析结果可溯源。要求博士学历，具有大模型或知识增强生成方向研究经历。

任职要求
"1、博士，计算机科学、人工智能、自然语言处理、统计学或相关专业

2、3年以上大模型算法研究或工业落地经验；有RAG系统、知识增强生成或可信AI方向的项目经历

3、核心技能

① 精通Transformer架构及主流大模型（LLaMA、Qwen、DeepSeek、GPT系列等）的微调、推理与部署；② 深入掌握RAG技术栈：向量检索（FAISS/Milvus）、稀疏-稠密混合检索（BM25+Dense）、重排序（Reranker）、检索增强生成链路设计与优化；③ 具备幻觉检测与缓解的系统方法论，熟悉事实一致性校验、引用归因（Citation Attribution）、知识冲突消解等技术；④ 熟练掌握评测体系设计方法，能独立构建A/B/C多维度评测框架，具备评测指标设计（准确率、召回率、幻觉率、可溯源率等）和统计检验分析能力；⑤ 精通Python，熟练使用PyTorch/vLLM/LangChain/LlamaIndex等框架，具备大规模数据处理与实验管理能力

4、领域知识

① 了解工业本体知识图谱与结构化知识的表示与查询（SPARQL/Cypher）；② 了解工业场景下的数据溯源（Provenance）需求与实现路径；③ 了解因果推理（Causal Inference）基本概念，能配合知识-机理融合方向开展可解释性研究

5、成果要求

在ACL/EMNLP/NeurIPS/AAAI/WWW等顶会或IEEE TKDE/TACL等期刊发表过相关论文；或有可验证的工业级RAG系统落地成果/6、素质要求

具备严谨的实验科学素养，对评测方法论有执着追求；能将算法研究目标与业务指标（如问数准确率、根因可溯源率）建立清晰映射；良好的跨团队协作能力，能与知识工程、工业世界模型方向紧密配合"