大模型微调优化工程师

一、岗位名称：大模型微调优化实习工程师

二、专业要求： 计算机科学与技术、人工智能、软件工程、智能科学与技术、自动化、应用数学、信号与信息处理等相关专业

三、岗位职责

1. 大模型微调算法设计与开发 

负责大模型微调算法的设计、开发、优化与部署上线，根据业务场景需求设计微调方案。参与大语言模型（如LLaMA、ChatGLM、DeepSeek等）的微调与优化工作，包括基于业务场景的领域适配微调（Supervised Fine-Tuning）和对齐训练，规模大模型的训练、微调与评测，在真实业务场景中构建训练数据与任务体系。

2. 模型微调与推理优化

使用LoRA、PEFT、QLoRA、bitsandbytes、DeepSpeed等主流库进行模型微调、量化与推理优化。复现、调试并跑通官方训练代码，搭建稳定训练环境。基于行业垂类数据集完成LoRA微调、全参数微调等模型训练工作。参与模型量化压缩、推理加速等优化技术的落地实践。

3. 超参数调试与模型评估

优化模型生成效果。监控训练Loss曲线，分析模型收敛状态，识别并缓解过拟合问题。负责模型性能的量化评估与可视化验证，记录实验数据并输出分析报告。

4. 模型服务化与部署

将训练好的模型进行推理优化、服务化封装和工程化部署。选择并维护主流Python Web框架（Flask/FastAPI/Django）实现推理服务接口。基于日志与Profiling工具定位性能瓶颈并提出优化方案。

5. 前沿技术探索

持续跟进LLM、世界模型、扩散模型等领域的前沿进展，调研行业主流方案与开源工具。复现前沿论文算法，适配业务场景落地。参与大模型、知识图谱相关技术的国内外先进技术调研。

四、任职要求

1. 编程与框架能力

- 熟练掌握Python编程语言，具备扎实的代码基础与良好的软件工程规范

- 熟练使用PyTorch深度学习框架，熟悉张量运算、神经网络搭建与训练流程

- 了解Hugging Face Transformers及Datasets生态

- 熟悉Git版本管理与主流协作工作流

2. 大模型技术能力

- 掌握大模型微调相关技术，熟悉LoRA/QLoRA等参数高效微调方法

- 了解模型量化压缩、推理加速等优化技术

- 熟悉提示工程（Prompt Engineering）及主流策略

- 了解RAG检索增强生成系统，包括文本分块优化、向量数据库使用

- 有Agent开发经验，了解LangChain等框架者优先

3. 工程实践能力

- 具备AI模型实操经验，可独立完成超参数调优

- 能看懂Loss损失曲线，熟悉过拟合识别与防治方法

- 具备良好的实验复盘能力与问题排查能力

- 了解至少一种分布式训练框架（FSDP/DeepSpeed/Megatron）者优先

4. 综合素质

- 具备扎实的数学基础（线性代数、概率论）

- 逻辑清晰，具备良好的沟通协作能力与责任意识

- 积极主动，对AI方向有强烈的热情与自驱力

5. 加分项

- 有大模型微调、RAG项目落地、RLHF实验经验者优先

- 有LLM/VLM方向顶会论文或高质量GitHub项目者优先

- 掌握PEFT、vLLM、SGLang等微调与部署工具者优先

- 性格开朗，积极互动，有客户思维意识，

- non high maintenance

- no smoking

 五、实习收获

1. 技术成长 

深度参与大模型微调与优化的完整流程，从数据处理、模型训练到推理部署全链路实操。在真实业务场景中应用LoRA、QLoRA、全参数微调等核心技术，积累一线工程经验。

2. 导师带教

由从硅谷团队和海归的院士研究院资深算法工程师带队，定期进行技术review与方向把控，帮助快速建立大模型优化的系统方法论。

3. 提供实习证书

优秀实习生可获得实习证书与实习鉴定，直接进入头部大厂校招终面通道。

4. 实习福利 

提供在京的免费住宿条件和工作日免费餐食，在京期间可以晚间工作，与美国的工作时间同步。白天时间可以自行在京旅游研学，来京费用自理，在京旅游费用自理。人身意外险由实习方提供。

5. 技能交换

由其它岗位的优秀实习生在人工智能、具身机器人领域、和其它实习岗位共享技能。

六、招聘流程

可先仔细看企业文章中介绍的各种假期实习岗位，将陆续开放，请持续关注。

简历投邮箱 → 简历筛选 → 技术面试（线上）  → 录用通知 → 入职实习

投递方式： 请将个人简历发送至招聘邮箱，邮件主题请注明“大模型微调优化实习生-姓名”