商汤大装置-大模型算法应用工程师
任职要求
1.有扎实的编程基础，熟练掌握 Python，掌握至少一个主流深度学习框架(如 PyTorch、Tensorflow)。 2.了解主流大模型的使用方式和 API，了解主流的RAG和Agent应用开发框架，学握LazyLLM优先。 3.具备工业级-多模态-Agentic-RAG实践经验，数量学握RAG效果提升，功能扩展和性能优化的技巧。(b站搜索LazyCoder可学习) 4.具备良好的代码水…
工作职责
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。
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.Agent 框架开发：研究和实现多 Agent 协作框架，提高 Agent 在复杂任务中的稳定性与执行效果，探索如任务分解、工具使用、状态记忆等机制。 4.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。 5.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。
开发并维护高可用，易扩展的后端服务 优化后端服务的性能和可扩展性，分析并解决系统中的性能瓶颈。 设计和实现高效的 API 以及微服务架构，支持复杂的业务逻辑需求。 与前端、算法、DevOps 以及其他后端团队密切合作，共同推动技术解决方案的落地。
开发并维护高可用，易扩展的后端服务 优化后端服务的性能和可扩展性，分析并解决系统中的性能瓶颈。 设计和实现高效的 API 以及微服务架构，支持复杂的业务逻辑需求。 与前端、算法、DevOps 以及其他后端团队密切合作，共同推动技术解决方案的落地。
1. 负责商汤SenseCore AI云、大模型开发平台等产品项目落地的技术工作，包括云基础设施、大模型基础设施优化、大模型应用开发等业务架构设计，以及AI应用定制化开发的技术设计和技术管理工作； 2. 负责客户技术对接，协同公司内外部产品团队、售前团队以及项目管理团队，做好需求管理，参与并指导团队实施项目定制化开发工作，完成客户项目落地； 3. 拓展和对接合作伙伴，围绕产品构建解决方案和技术生态体系。