商汤26届AI领航员-大装置-大模型算法应用开发工程师
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.具备良好的代码水平，具备独立开发并部署 AI服务的能力，具备较强的分析与抽条能力，能独立定位大模型推理中的性能瓶颈与效果问题。 加分项 1.有实际参与过大模型类产品(如智能客服、搜素问答、智能报告生成等)的开发和选代; 2.有LazyLLM的实战经验，有 AIGC、代码生成、图表问答、多模态等方向经验者优先; 3.有较强的英文文献阅读能力和表达能力，能快速理解并复现最新论文方法，并能与国外开发者交流者优先。
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.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。
1. 参与MaaS平台的功能测试、接口测试、自动化测试体系建设； 2. 参与设计并实现模型推理、训练、评估等流程的自动化验证机制； 3. 参与搭建端到端测试框架，提升测试效率与覆盖率； 4. 与平台研发、算法、运维等团队紧密协作，推动产品质量持续提升； 5. 深度参与模型性能测试与混沌测试，评估系统在高负载与异常场景下的稳定性； 6. 支持 CI/CD 流水线集成测试脚本，保障版本交付质量。
1. 参与商汤自主研发的深度学习框架的研发与优化。工作目标是优化大数据工业级应用条件下的深度学习核心架构。 2. 适配深度学习算法与架构，对框架进行调整、改进和优化。 3. 对框架的训练速度进行优化，包括计算和通信及其调度，以提高模型训练的效率。 4. 扩充深度学习框架的功能和计算能力，完善工具体系。 5. 开发框架支持大模型推理、微调、训练的能力。
1. 负责实现和迭代自然语言处理相关算法，支撑企业数字化业务中的自然语言理解和生成需求，例如信息抽取、文档分析、检索问答、对话交互等； 2. 深度参与客户工程业务实现，将算法和企业业务需求应用相配合，实现客户端到端业务需求，实现LLM的落地最后一公里； 3. 积极跟进LLM SOTA技术，能够迅速在某一细分领域的深入掌握最新算法，包括但不限于基础模型跟进、推理框架优化、SFT训练及Agent智能体开发； 4. 设计和开发基于大语言模型（LLM）的智能Agent，优化其在不同业务场景中的任务规划、工具调用及自主决策能力； 5. 培训非LLM专业人员，使之具备基本标准业务落地AI赋能能力。
核心亮点 1. 技术驱动，产品落地： 参与从0到1的大模型商业化应用开发，将前沿AI技术转化为有价值的B端解决方案。 2. 深度实践，拒绝纸上谈兵： 你不仅是产品的“规划师”，更是“实干家”，需动手实践，与研发团队共同攻坚。 3. 快速成长，专家路径： 在大模型与B端业务的交叉领域，成为具备深度技术理解力与商业洞察力的复合型产品专家。 工作职责 1. 大模型平台产品建设： 深入参与大模型应用开发平台从0到1的全过程。通过用户研究与数据分析定义产品功能，与工程师紧密合作，动手完成原型设计，推动产品迭代上线。 2. B端AI Agent解决方案落地： 负责AI Agent的核心逻辑设计与搭建，动手配置意图识别、工具调用（Function Calling）、RAG等关键模块。建立效果评估体系，通过数据驱动持续调优，提升业务表现。 3. 前沿技术探索与应用： 追踪大模型领域的前沿技术，进行快速PoC验证，将技术洞察转化为产品创新，驱动产品的长期竞争力。