任职资格：

公司背景与团队定位：
本公司目前深耕人工智能领域，拥有深厚的 IT 基建底盘与数据流水线体系。现诚邀顶尖 AI PhD 加入，深入佛山等本地制造产业带，桥接算法软件、前沿大模型与物理硬件，共同推动 AI 在先进制造、金属加工及快销品行业的真实商业落地。

角色定位
专注大模型在佛山核心产业带的算法基座建设，主导解决工业落地的两个根本矛盾：客户数据绝不出厂的私密性要求，与工厂本地算力/边缘设备的资源受限现实。你需要对模型在客户内网环境下的领域准确率、幻觉可控性与单位推理成本负最终技术责任。

岗位职责
垂类模型训练与对齐
• 针对佛山本地制造业专有数据（金属加工工艺参数、模具与注塑设备说明、快消供应链单据、质检报告、老师傅经验话术）进行开源大模型的领域增量预训练（Continual Pre-training）与指令微调SFT），并通过 DPO/GRPO 等方法完成偏好对齐。
• 设计工业语料的数据配比、去重与质量过滤策略，缓解领域微调中的灾难性遗忘；建设合成数据与拒绝采样管线，解决工业标注样本稀缺问题。
• 扩充工业术语与中文/粤语口语混合场景下的 Tokenizer 词表，优化专有名词、型号编码、单位量纲的表征效果。
知识蒸馏与轻量化部署
• 主导将超大参数量教师模型（含开源旗舰模型与闭源 API 教师）的能力，通过白盒 logits 蒸馏、序列级蒸馏与黑盒数据蒸馏等方式，高效迁移至适合工厂本地局域网与边缘设备部署的轻量化模型。
• 负责量化压缩与推理加速全链路：GPTQ/AWQ/SmoothQuant、INT4/INT8/FP8、结构化剪枝、投机解码（Speculative Decoding），在明确的显存、延迟与并发预算下做工程取舍。
• 主导私有化推理栈选型与调优（vLLM / SGLang / TensorRT-LLM /llama.cpp），完成从单卡工控机到多卡机柜的部署方案与容量规划。
检索增强与知识工程
• 建设面向工艺文档、SOP、设备手册、图纸与历史工单的 RAG 体系：分块策略、混合检索、Rerank、多模态文档解析（OCR/表格/图纸），并处理版本冲突与知识时效性问题。
• 设计模型与 MES/ERP/设备系统的工具调用（Function Calling）能力，使模型可以查询实时生产数据而非凭记忆作答。
评测与可信度
• 构建可信的领域评测集与自动化回归体系：领域准确率、幻觉率、拒答率、指令遵循率、端到端任务成功率；建立上线前的红线门槛。
• 设计模型的不确定性表达与人工兜底机制——在工业场景中，"我不确定，请咨询工艺工程师"比一个自信的错误答案价值高得多。
技术领导
• 参与客户技术方案论证，对"哪些场景现在可做、哪些不可做、需要什么代价"给出诚实判断。
• 沉淀方法论文档，培养团队工程师的模型能力，承担 mentorship 职责。

任职要求
• 计算机科学、人工智能、自然语言处理或相关方向博士学位；或硕士 + 4 年以上头部团队大模型训练/部署核心经验。
• 精通 Transformer 底层架构：注意力机制变体、位置编码、KV Cache、MoE 结构、上下文扩展方法，能读懂并修改主流开源模型源码。
• 具备从模型选型、数据配比、训练到蒸馏压缩的完整实战闭环经验（这是本岗位不可让步的核心项，需在面试中通过具体项目细节验证）。
• 精通 Python 与 PyTorch；熟练使用主流训练框架（DeepSpeed / FSDP /Megatron-LM / LLaMA-Factory / veRL / OpenRLHF）。
• 掌握 SFT、LoRA/QLoRA、全参微调、RLHF/DPO/GRPO 等训练与对齐方法，理解各自的适用边界与失效模式。
• 掌握知识蒸馏与模型压缩技术体系，有将大模型压到端侧可跑并保住核心能力的实际案例。
• 熟练掌握推理引擎与量化工具链，具备清晰的延迟（TTFT/TPOT）、吞吐、显存与成本预算意识。
• 熟悉 RAG 工程与向量数据库（Milvus / Qdrant / pgvector），理解检索质量对最终效果的决定性影响。
• 具备私有化、离线、内网环境下的部署经验：无外网条件下的依赖管理、镜像分发、模型加密与权限控制。
• Linux、Docker、Git 熟练；能交付工程团队可直接对接的代码与文档。

投递简历至HR邮箱