商汤大装置-大模型算法应用实习生

利用商汤自研的AI应用开发者工具LazyLLM（https://github.com/LazyAGI/LazyLLM），探索AI-Agent的可能性和商业化落地场景，包含但不限于多模态RAG、AI-PPT、AI小说、旅行助手等；

1.技术边界与场景洞察：参与ToB行业调研，从技术可行性视角评估大模型在具体场景下的能力边界，输出商业价值与技术落地性的机会分析。 2.产品架构与逻辑设计：参与大模型产品0→1规划，负责定义产品的技术指标（如准确率、响应延时等），撰写逻辑严密的 PRD，主导Prompt或Agent交互逻辑设计。 3.算法方案深度整合：衔接业务与技术团队，将需求转化为清晰的算法实现路径，参与RAG、SFT、CoT、Agent等技术方案的选型与设计讨论。 4.数据闭环与效果调优： 参与产品商业化落地，通过分析Bad Case与用户反馈，设计评测集与验收标准，驱动模型效果持续优化与业务增长。

1. 负责商汤SenseCore AI智算数据中心以及大模型应用开发平台等产品的项目落地交付软件设计、开发工作； 2. 在架构师的指导下，主导软件的开发、需求整理等工作。

1.大模型应用开发：负麦基于主流开源/闭源大模型进行应用落地，包括问答系统、智能助手、知识检索、文档处理等；并与产品、前端、后端、数据团队紧密协作，推动算法模型在真实业务中的部署与落地。 2.RAG 系统优化：主导通用型 RAG(Retrieval-Augmented Generation)系统的构建与效果优化，包括召回、排序、长文本处理、多文档合成等关键环节。 3.模型效果调优：结合业务场景，设计 Prompt、微调、评测等策略，提升大模型在特定任务中的表现。 4.技术积累与分享：沉淀可复用的模型应用框架、调优经验和评估指标，推动团队整体技术能力提升。