一、崗位職責(zé)
基于開(kāi)源大模型基座（如 yolo，birdnet等），負(fù)責(zé)垂直領(lǐng)域（重點(diǎn)覆蓋生物學(xué)）數(shù)據(jù)集的收集、清洗、標(biāo)注、質(zhì)量校驗(yàn)，搭建高質(zhì)量領(lǐng)域數(shù)據(jù)集體系；主導(dǎo)垂直領(lǐng)域大模型的微調(diào)訓(xùn)練，包括數(shù)據(jù)預(yù)處理、模型選型、超參數(shù)調(diào)優(yōu)、訓(xùn)練過(guò)程監(jiān)控與效果迭代，提升模型在特定場(chǎng)景的專(zhuān)業(yè)問(wèn)答、知識(shí)輸出能力；負(fù)責(zé)模型訓(xùn)練環(huán)境搭建、依賴(lài)管理，解決訓(xùn)練過(guò)
程中的性能瓶頸、過(guò)擬合／欠擬合等問(wèn)題，保障訓(xùn)練效率與模型效果；參與大模型微調(diào)后的效果評(píng)估與迭代優(yōu)化，制定領(lǐng)域內(nèi)模型評(píng)估指標(biāo)（如準(zhǔn)確率、召回率、專(zhuān)業(yè)度契合度），持續(xù)提升模型實(shí)用性；協(xié)同產(chǎn)品、算法團(tuán)隊(duì)，明確業(yè)務(wù)需求與技術(shù)落地路徑，輸出模型開(kāi)發(fā)文檔、訓(xùn)練報(bào)告及部署指南；
跟蹤開(kāi)源大模型術(shù)前沿，探索新的微調(diào)方法、數(shù)據(jù)增強(qiáng)技術(shù)在垂直領(lǐng)域的應(yīng)用，推動(dòng)技術(shù)方案迭代。
基于模型標(biāo)注-訓(xùn)練-部署流程的全過(guò)程自動(dòng)化/半自動(dòng)化平臺(tái)開(kāi)發(fā)，熟悉raven音頻標(biāo)注工具。
二、任職要求
（一）核心技能要求
熟練掌握Python 編程語(yǔ)言，精通數(shù)據(jù)處理相關(guān)庫(kù)（NumPy、Pandas、Datasets)，具備大規(guī)模領(lǐng)域數(shù)據(jù)集整理與優(yōu)化經(jīng)驗(yàn)；
深入理解 Transformer 架構(gòu)，熟練使用至少一種深度學(xué)習(xí)框架（PyTorch/TensorFlow)，具備基于開(kāi)源大模型的微調(diào)實(shí)戰(zhàn)經(jīng)驗(yàn)（如 LoRA、QLoRA 等高效微調(diào)方法）;
熟悉 Hugging Face 生態(tài)（Transformers、Trainer API)，能夠獨(dú)立完成模型選型、訓(xùn)練流程搭建、效果驗(yàn)證全流程；
熟悉 Pytorch框架,能夠獨(dú)立完成模型自定義設(shè)計(jì)、訓(xùn)練流程搭建、效果驗(yàn)證全流程，精通yolo訓(xùn)練參數(shù)調(diào)整與部署參數(shù)調(diào)整
具備數(shù)據(jù)標(biāo)注流程設(shè)計(jì)與質(zhì)量管控能力，能應(yīng)對(duì)垂直領(lǐng)域數(shù)據(jù)稀缺、專(zhuān)業(yè)性強(qiáng)的問(wèn)題，有數(shù)據(jù)增強(qiáng)、小樣本學(xué)習(xí)實(shí)踐經(jīng)驗(yàn)者優(yōu)先；
掌握模型訓(xùn)練環(huán)境配置（GPU 集群、Docker)，了解模型量化、剪枝等輕量化技術(shù)，具備基本的模型部署與推理優(yōu)化思維。
（三）綜合素養(yǎng)
具備較強(qiáng)的業(yè)務(wù)理解能力，能快速對(duì)齊垂直領(lǐng)域需求與技術(shù)實(shí)現(xiàn)路徑；
具備良好的問(wèn)題排查能力，能獨(dú)立解決訓(xùn)練過(guò)程中的技術(shù)難題；
具備團(tuán)隊(duì)協(xié)作精神關(guān)注 AI 技術(shù)前沿，學(xué)習(xí)能力強(qiáng)，能快速跟進(jìn)開(kāi)源大模型的新特性與新工具。