腾讯数据库领域模型后训练专家
任职要求
1.本科及以上学历，计算机、人工智能、数据科学相关专业，5年以上机器学习/深度学习工作经验，有大模型后训练或领域模型相关经验； 2.深入理解Transformer架构和大语言模型原理，熟练掌握SFT、RLHF、DPO等后训练技术，熟悉PyTorch/TensorFlow框架，有实际模型训练调优和分布式训练经验； 3.熟悉数据库原理、SQL语法、执行计划分析等专业知识，有数据库内核…
工作职责
1.负责腾讯云数据库AI服务领域大模型的SFT（监督微调）、RLHF（强化学习）等后训练工作，提升模型在SQL生成、性能诊断、故障分析等数据库专业任务上的准确性和可靠性； 2.负责数据库领域训练数据体系建设与模型评测基准（Benchmark）构建，包括高质量数据集采集标注、评估指标设计、模型能力持续迭代优化，确保模型满足重点客户的专业需求； 3.参与数据库场景的Prompt工程优化、模型安全防护、领域知识注入等关键技术落地，跟踪领域模型适配、指令微调、MoE、LoRA等前沿技术并推动创新应用，不断提升产品技术竞争力。
随着企业开始构建Agent并逐步上线，围绕AI应用的数据使用越来越被重视，特别是基于数据进行效果持续提升成为决定Agent是否成功的关键，比如应用评估、模型后训练、上下文优化等。云原生的产品中有大量的Agent实时运行数据和业务数据，我们正在这些产品之上构建新的产品能力，来帮助客户更好的利用这些数据用于Agent的持续效果优化。包括结合AI的场景对数据进行持续的处理、存储，以及与阿里云的其他AI产品进行集成，在不同的场景中使用。我们需要资深的产品专家来定义这些新的场景，并以产品化的形式交付给我们的客户，助力客户AI应用成功。主要的职责包括： 1. 深刻理解客户业务和场景需求，追踪AI行业发展趋势及技术发展动态，规划产品演进路径及迭代。一方面负责存量产品的持续增长，包括消息队列、Kafka、日志服务、可观测等产品；同时不断发掘存量产品与AI的结合，包括AI提升产品能力，以及产品如何在AI的新场景中发挥作用。 2. 探索AI应用数据领域的新方向产品的孵化和前期市场探索，场景包括如何将应用数据用于Agent智能体的持续效果调优，包含AI应用相关数据的采集、存储、处理，以及后续在智能应用评估、模型后训练中的使用，帮助用户构建AI应用数据飞轮，持续提升Agent效果。 3. 制定产品策略以及市场策略，以业务成功为导向，协同研发、售前、运营、文档等多角色共同达成业务目标。
1. 面向客户提供创新的大模型AI应用方案并进行落地验证，为客户提供云和AI产品的综合技术支持。 2. 主导或参与AI Agent技术栈设计，并基于机器学习平台、低代码Agent平台、知识向量库的工程搭建和实施 3. 深入理解客户场景需求，结合AI和云产品能力，提供方案评估、部署实施、测试与迭代，解决实际业务中遇到的模型交互、输出优化等问题。 4. 基于实际问题提供技术支撑和优化，包含不限于模型效果优化、应用指令和工程优化，并进行必要的AI应用落地开发，包括逻辑推理、生成创作、代码生成等 5. 针对客户日常大模型工具链提供技术支持，参与客户AI相关产品使用及模型调优 6. 负责客户AI调用的稳定性、服务保障响应。
1. 面向客户提供创新的大模型AI应用方案并进行落地验证，为客户提供云和AI产品的综合技术支持。 2. 主导或参与AI Agent技术栈设计，并基于机器学习平台、低代码Agent平台、知识向量库的工程搭建和实施 3. 深入理解客户场景需求，结合AI和云产品能力，提供方案评估、部署实施、测试与迭代，解决实际业务中遇到的模型交互、输出优化等问题。 4. 基于实际问题提供技术支撑和优化，包含不限于模型效果优化、应用指令和工程优化，并进行必要的AI应用落地开发，包括逻辑推理、生成创作、代码生成等 5. 针对客户日常大模型工具链提供技术支持，参与客户AI相关产品使用及模型调优 6. 负责客户AI调用的稳定性、服务保障响应。
1. 面向客户提供创新的大模型AI应用方案并进行落地验证，为客户提供云和AI产品的综合技术支持。 2. 主导或参与AI Agent技术栈设计，并基于机器学习平台、低代码Agent平台、知识向量库的工程搭建和实施 3. 深入理解客户场景需求，结合AI和云产品能力，提供方案评估、部署实施、测试与迭代，解决实际业务中遇到的模型交互、输出优化等问题。 4. 基于实际问题提供技术支撑和优化，包含不限于模型效果优化、应用指令和工程优化，并进行必要的AI应用落地开发，包括逻辑推理、生成创作、代码生成等 5. 针对客户日常大模型工具链提供技术支持，参与客户AI相关产品使用及模型调优 6. 负责客户AI调用的稳定性、服务保障响应。