LLM算法工程师

岗位职责： 1. 负责自然语言处理（NLP）相关算法的研究与优化，包括文本分类、意图识别、问答系统、命名实体识别、文本生成等方向； 2. 参与大语言模型（LLM）的训练与微调，包括数据构建、指令微调（SFT）、RLHF、模型压缩与评测体系设计； 3. 负责NLP基础算法的优化与落地，如分词、词向量、句向量、相似度计算、序列标注、文本匹配等； 4. 设计与实现高质量的数据处理与算法流程，包括数据清洗、特征抽取、样本增强、标签一致性验证等； 5. 基于业务需求，探索和验证算法在不同场景下的可行性与性能表现； 6. 跟踪最新AI/NLP技术（Transformers、RAG、Distillation、LoRA、Prompt Tuning等），并推动模型在实际系统中的落地。 ⸻ 任职要求： 1. 2026届计算机、人工智能、数学、统计学等相关专业，硕士及以上学历（优秀本科亦可）； 2. 扎实的数据结构与算法基础，熟悉常见机器学习算法（LR、SVM、GBDT、KMeans、CRF等）及其原理； 3. 熟悉主流NLP模型与技术，如BERT、GPT、T5、LLaMA等，并具备模型微调或训练经验； 4. 精通Python，熟悉PyTorch或TensorFlow框架及Hugging Face生态； 5. 具备扎实的文本特征建模能力，熟悉embedding、attention、transformer结构、loss设计与优化技巧； 6. 熟悉数据驱动的模型开发流程，能够独立进行样本分析、数据标注设计和模型评测； 7. 良好的逻辑思维与分析能力，具备跨团队协作和问题解决能力。 ⸻ 加分项： • 有LLM大规模训练、分布式训练或模型蒸馏经验； • 掌握RAG、Agent框架、多模态模型（Vision-Language、Speech-Language）等前沿方向； • 熟悉ASR（Automatic Speech Recognition）模型的训练与微调，如Wav2Vec2、Whisper、Conformer等； • 熟悉TTS（Text-to-Speech）模型的训练与优化，如Tacotron、FastSpeech、VITS、CosyVoice等； • 具备语音与语言联合建模、Speech-LLM或语音理解生成类任务的研究经验； • 熟悉Prompt Engineering或对话式AI系统设计； • 在ACL、EMNLP、NeurIPS、ICLR等会议有论文或复现经验者优先。