岗位职责
我们正在构建下一代AI智能搜索系统的离线数据底座——不仅处理结构化日志，更要从海量非结构化文档（如PDF、扫描件、图文混合报告）中提取语义、实体与知识，并通过大语言模型（LLM）与多模态大模型（VLM） 进行深度加工，为搜索、问答、Agent等上层应用提供高质量、可推理的数据资产。 核心职责
- 聚焦多模态大模型的数据处理链路，负责PDF等复杂文档载体的内容高精度解析与结构化提取，结合开源框架进行效果优化与性能调优；
- 深入大模型分布式训练体系，设计并实现高吞吐、可扩展的通用数据编排引擎，支撑大规模多模态数据高效供给，提升模型训练效率；
- 基于AI Coding能力快速响应研发需求，构建稳定、可维护的数据处理与存储系统，保障端到端 pipeline 的可靠性与可观测性；
- 推动多模态数据处理技术在实际业务场景中的落地，通过技术创新驱动大模型理解能力与应用效果持续提升。
职位要求
- 计算机、数学、人工智能等相关专业本科及以上学历，3年以上后端研发或算法工程经验，具备大模型应用开发或AI Infra 实践背景者优先；
- 精通 Python/Java 编程语言，具备扎实的数据结构、算法基础和工程化能力，熟悉主流深度学习框架（如 PyTorch、TensorFlow）；
- 有文本、图像等多模态数据处理实战经验，熟悉 OCR、文档智能（Document AI）、Layout 分析等技术者优先；
- 熟练掌握 LLM 调用、Prompt 工程及 RAG 相关技术，能结合大模型能力优化数据处理流程；
- 了解大模型分布式训练机制（如数据并行、流水线并行），熟悉高性能数据加载与预处理技术者优先；
- 热爱技术，积极拥抱 AI 变革，具备技术全栈视野和快速原型验证能力；
- 有高质量开源项目贡献、技术博客或专利者优先。
