千问千问事业部-大模型应用算法专家-教育智能体

1. 负责千问学习核心智能体算法研发与优化，使用大模型实现题目理解与分析、AI学情诊断分析、学习规划等核心agent。 2. 负责智能学习助手算法研发与优化，包括大模型在智能决策、RAG、个性化推荐等领域的应用。

1、负责大模型技术在核心业务场景的落地应用，0到1设计AI解决方案，重塑用户体验与业务流程； 2、主导大模型应用架构设计，包括但不限于Prompt工程、Agent系统开发、模型微调、分布式推理优化等关键技术突破； 3、深入理解业务场景与用户痛点，将LLM、多模态等前沿技术与业务需求深度结合，打造差异化智能产品； 4、构建大模型应用评估体系，持续优化效果、性能及成本指标，建立可复用的技术资产与最佳实践； 5、跟踪AIGC领域最新进展，推动技术选型与架构演进； 6、负责跨团队协作，联动算法工程、产品、设计等角色，确保项目高质量交付； 7、培养AI应用人才梯队，建设大模型应用方法论与技术标准。

借助AI推动电销/智能催收/客服等金融对话场景自动化落地，负责从 Prompt 设计、数据构建、模型算法优化到线上部署的全链路工程实现。与产品、业务团队协作，将需求转化为 AI 技术方案，推动AI从0到1实现在金融风控决策中的落地。与模型研发团队协同推进 RLHF、RAG、Agent 等前沿能力的工程化落地与迭代。建立 AI 效果评估体系，通过 A/B 实验、离线评测、在线指标监控持续度量模型效果，基于数据反馈驱动快速迭代。

1）模型应用落地：负责Prompt设计、Few-shot/Zero-shot优化、Continual Pretrain、SFT/RL、RAG链路搭建，提升模型在垂直场景的效果与稳定性，并落地业务解决方案，如AI搜索、智能问答、内容生成、对话系统等； 2）数据构建与评估：构建高质量指令数据、偏好数据、评估集，设计自动化评估指标（如BLEU、ROUGE、人工一致性、幻觉率）； 3）系统协同优化：与工程团队协作，提升模型的训练效率和推理效率，包括但不限于KV-Cache、量化、投机解码等技术，以及部署链路（如vLLM、TensorRT、Triton）的优化； 4）业务效果闭环：建立A/B实验体系，跟踪模型上线效果，持续迭代优化，推动业务指标（如CTR、转化率、用户满意度）提升。