商汤26届AI领航员-大装置-算法开发工程师（交付落地方向）
任职要求
1. 硕士及以上学历，计算机、电子信息、软件工程或相关专业优先，具备NLP/多模态/机器学习相关经验的其他专业背景亦可； 2. 具有较强的研究能力和编码能力，熟练使用深度学习框架（如PyTorch、TensorFlow）及常见开源LLM应用框架（如LangChain、LlamaIndex、Hugging Face Transformers等）； 3. 具备大语言模型（LLM）或Agen…
工作职责
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。
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. 基于 LazyLLM 框架，负责 LazyRAG 系统的核心模块研发，包括文档解析服务、检索算法优化、问答链路设计及自进化机制的工程实现。 2. 深入参与 RAG 算法迭代：包括切片策略、多粒度索引、Embedding/Reranker 模型升级、Agentic RAG 编排等方向，持续提升系统在多场景下的问答准确率。 3. 负责系统可观测性与评测体系建设，包括自动化评测集构建、Bad Case 归因分析、A/B Test 机制设计与落地，推动算法能力的数据驱动迭代。 4. 参与记忆管理与自进化模块的研发，包括词表/规范/技能的自动提取、注入与版本管理，实现系统从用户反馈中持续学习的能力。 5. 跟踪业界前沿技术（RAG、Agent、多模态检索、LLM 推理优化等），将新技术快速验证并落地到产品中。
1、参与AI存储系统的设计和开发，创建和运行国内一流的AI存储系统。 2、负责开发和维护存储系统的核心功能，包括数据的读写、存储和检索等。 3、团队成员紧密合作，以确保系统的性能、稳定性和可扩展性。 4、对系统的性能进行测试和评估，并提出改进方案以优化性能。 5、参与相关技术项目的讨论和研究，保持对最新技术的了解和应用。
1.参与 各类 AI 产品的开发和优化。 2.参与探索性AI项目的POC。 3.快速应用系统编程语言（Golang/Rust/C/C++）来开发各种提高开发者生产力的工具。 4.参与代码审查，分享开发经验，提升团队整体技术水平。