崗位自責(zé)
1.負(fù)責(zé)大模型全流程開發(fā)與落地。
2.研究并評估AI NLP語義大模型的能力(如RAG技術(shù),Agent智能體,多模態(tài)大語言模型等),以支持汽車行業(yè)的應(yīng)用場景應(yīng)用落地,如智能問答,故障檢測,辦公提效,智能座艙等
3、將AI技術(shù)與汽車業(yè)務(wù)需求相結(jié)合,主動挖掘具備業(yè)務(wù)價(jià)值的AI應(yīng)用場景,并制定產(chǎn)品路線圖及落地方案,并使用適合的算法及應(yīng)用框架實(shí)施
4、建立產(chǎn)品關(guān)鍵績效指標(biāo),定期評估AI模型的性能和業(yè)務(wù)效果(如準(zhǔn)確率、用戶滿意度、故障檢測效率等)
5、對AI模型進(jìn)行提示詞工程優(yōu)化及微調(diào)工作,持續(xù)提升業(yè)務(wù)使用效果及準(zhǔn)確率
崗位要求
1.計(jì)算機(jī)、信息工程、軟件工程等相關(guān)專業(yè)本科及以上學(xué)歷
2.3 - 5 年工作經(jīng)驗(yàn),在 NLP 方向有 2 年及以上工作經(jīng)驗(yàn)。
3.熟悉 BERT/Transformer/GPT 等大模型架構(gòu),掌握意圖識別、實(shí)體抽取、情感分析等常見 NLP 場景應(yīng)用和開發(fā),具備 NLP 系統(tǒng)從數(shù)據(jù)處理、模型訓(xùn)練到模型部署的全流程經(jīng)驗(yàn)。?
4.有 LLM/RAG 相關(guān)項(xiàng)目經(jīng)驗(yàn),掌握常見的 LLM 本地部署框架(如 vllm/deepspeed/xinference 等),了解常見向量數(shù)據(jù)庫(faiss/mivus/chroma 等)應(yīng)用,熟悉常用大模型應(yīng)用開發(fā)工具(langchain/LlamaIndex 等)。?
5.精通 Python,熟悉 PyTorch 深度學(xué)習(xí)框架,掌握 CUDA 等 GPU 加速技術(shù)。?
若具備 Qwen/Llama/DeepSeek 等系列模型的微調(diào)經(jīng)驗(yàn),或具備 Agent 相關(guān)知識及編排落地經(jīng)驗(yàn)(dify/autogen/langgraph 等),或具備爬蟲等數(shù)據(jù)準(zhǔn)備項(xiàng)目經(jīng)驗(yàn)者優(yōu)先。
6.具備良好溝通和團(tuán)隊(duì)協(xié)作能力,能夠與團(tuán)隊(duì)成員共同推動項(xiàng)目進(jìn)展。
7.針對端側(cè)硬件平臺(如ARM、GPU、NPU、DSP等)進(jìn)行模型性能調(diào)優(yōu),包括推理框架選擇、內(nèi)存優(yōu)化、算子加速等優(yōu)先。
8.在端側(cè)針對推理引擎(TensorRT、ONNX Runtime、MNN、NCNN、QNN等)的具體情況,動手實(shí)踐過最佳部署方案者優(yōu)先