岗位描述
岗位描述：负责大语言模型（LLM）及多模态大模型在科研场景下的全生命周期落地，包括数据构建、后训练、推理部署及效果评测；深入理解数学、物理、化学、生物、电气电子工程等科研领域需求，设计并实现基于 LLM 的解决方案，解决科研过程中的复杂问题；利用机器学习算法对各领域科研数据进行挖掘分析，构建并优化基线模型，为 LLM 应用提供数据与算法支撑；独立完成科研数据的清洗、存储与维护，熟练使用 SQL、Hive 等工具进行大数据处理，构建高质量训练数据集；跟踪学术界与工业界前沿技术，调研相关领域 SOTA 方案，并与科研人员紧密协作，推动算法模型在实际项目中的落地与迭代。岗位统一要求可稳定实习 12 个月以上，以便完整跟进真实项目并沉淀实战成果。 岗位要求：深刻理解 Transformer 架构，熟悉主流大语言模型及多模态模型架构，如 Llama、Qwen、Deepseek、GLM 等；具备扎实的后训练落地经验，精通 SFT、PEFT（如 LoRA/P-Tuning）及 RL（如 DPO/PPO/GRPO）的技术细节与工程实现；熟悉大模型推理优化技术及自动化评测体系，能够独立搭建从数据处理、多机多卡训练到模型评测的完整闭环；具备扎实的机器学习理论基础，熟练掌握回归、分类、聚类、关联分析等经典算法，能够独立完成数据挖掘任务，并针对特定领域数据特征进行特征工程与基线建模；熟练掌握 SQL、Redis、Hadoop、Hive、Spark 等数据库及大数据处理工具，能够独立完成 ETL 流程、数据仓库维护及高性能数据读取管道搭建；具备优秀的数理基础、快速学习能力与跨学科理解能力，能够快速掌握数学、物理、化学、生物、电气电子工程等领域专业知识；具备优秀的中英文文献阅读与调研能力，能够独立完成前沿技术方案调研与复现；具备优秀的沟通协作能力与项目管理意识，能够独立推进项目进度、协调资源并确保高质量交付；编程基础扎实，熟练掌握 Python，代码风格良好。在顶会发表过 LLM 或 AI for Science 相关论文、有知名开源项目贡献或维护经验、具备跨学科背景，或有完整科研智能化项目落地经验者优先。