大模型工程师

该职位来源于猎聘 主要职责： 一、工业大模型底座建设 1. 负责面向汽车铝压铸行业的垂直领域大模型（LLM）的选型、预训练和微调 2. 构建工业领域高质量预训练数据集，包括工艺文档、技术规范、历史案例、专家经验等 3. 开发领域知识增强技术，将压铸、机加工工艺知识注入大模型 4. 实现大模型与CAD几何引擎、仿真软件的深度集成 5. 优化大模型的推理效率和成本，支持高并发工业场景 二、多模态大模型研发 1. 研发图文多模态大模型，实现工程图纸与自然语言的深度理解 2. 开发视觉-语言联合推理模型，支持"看图说话"式的图纸解析和工艺分析 3. 构建3D几何理解大模型，实现CAD模型的语义理解和特征提取 4. 研发多模态RAG（检索增强生成）系统，支持图纸、文档、知识的联合检索与生成 5. 实现多模态大模型的对齐与融合，提升跨模态理解能力 三、智能Agent系统研发 1. 设计工艺规划Agent，基于大模型实现自主工艺决策和优化 2. 开发可制造性分析Agent，自动执行DFM分析并生成优化建议报告 3. 构建报价决策Agent，实现多维度成本分析和方案推荐 4. 研发多Agent协作系统，支持图纸解析Agent、工艺Agent、报价Agent的协同工作 5. 实现Agent的工具调用能力（Tool Use），对接CAD软件、ERP系统、仿真工具等 四、知识工程与推理 1. 构建压铸工艺知识图谱，整合材料、设备、工艺参数、缺陷模式等知识 2. 开发大模型与知识图谱的融合推理技术，实现可解释的工艺决策 3. 实现基于大模型的知识抽取和知识补全，持续丰富工业知识库 4. 研发工艺规则引擎，将专家经验转化为可执行的逻辑规则 5. 开发案例推理系统，基于历史相似案例支持工艺决策 五、模型训练与优化 1. 设计大模型预训练、指令微调（SFT）、RLHF（人类反馈强化学习）的全流程训练方案 2. 开发低资源高效微调技术（LoRA、QLoRA、Adapter等），降低训练成本 3. 实现大模型的量化压缩和推理加速，支持边缘端部署 4. 构建模型评估体系，设计工业场景专用评测基准 5. 研发大模型安全防护机制，防止幻觉和错误决策 六、跨部门协作与沟通 1. 与工艺专家深度协作，将压铸和机加工领域知识转化为大模型可理解的结构化数据，持续优化领域知识库 2. 与CAD/CAE工程师协作，实现大模型与几何引擎、仿真软件的无缝集成，确保技术方案的可落地性

• 与业务团队紧密配合，深入理解报价、工艺规划等核心业务流程，确保AI输出符合实际业务需求 4. 建立模型效果反馈机制，收集工艺专家和一线工程师的使用反馈，驱动模型持续迭代优化 任职要求： 1. 硬性技能： - 学历要求：硕士及以上学历，计算机科学、人工智能、自然语言处理等相关专业 - 经验要求：3年以上大模型研发经验，有工业AI、智能制造或垂直领域大模型经验优先 - 模型技术：精通GPT、LLaMA、Qwen等主流大模型架构，熟悉多模态大模型（CLIP、BLIP、LLaVA等） - 训练技术：熟练掌握大模型预训练、SFT、RLHF、DPO等训练技术，熟悉DeepSpeed、Megatron等分布式训练框架 - 工程能力：精通Python和C++，熟悉FastAPI、Docker、Kubernetes，有大规模模型部署经验 - 算法基础：扎实的NLP、CV、多模态学习基础，熟悉Transformer、注意力机制、提示工程等 2. 软性素质： - 技术视野：对大模型技术发展趋势有敏锐洞察，能快速跟进前沿技术 - 业务洞察：深入理解制造业业务逻辑，能将大模型技术与工业场景深度结合 - 架构能力：具备复杂系统架构设计能力，能平衡技术先进性和工程可行性 - 协作能力：良好的沟通能力，能与工程团队、业务专家高效协作 - 创新思维：敢于技术创新，能在工业场景中找到大模型的应用范式