岗位职责
- 大模型微调与能力提升： 针对多语种翻译及文本质量检测场景，对开源大模型（如Llama、Qwen等）进行指令微调（SFT/LoRA/QLoRA）。分析真实场景的Badcase，构建并迭代高质量训练数据，持续优化模型的翻译表现。
- 多模型调度与策略优化： 参与多模型并行环境下的调度策略研究与开发。针对不同复杂度的任务，设计智能路由与调用机制，优化整体链路以提升系统响应效率和资源利用率。
- 领域知识融合与应用开发： 结合Prompt Engineering、少样本示例（Few-shot）及轻量级RAG等技术，探索将语言专家的先验知识与规则融入大模型生成过程的方法，提升翻译的地道度与规范性。
- 模型评测与推理部署： 建立并完善模型效果评测体系，使用 BLEU/COMET 等指标及人工评估方法进行系统性验证；协助跟进模型推理框架（如 vLLM 等）的优化与部署。
- 前沿技术跟进： 跟踪大模型在自然语言处理、机器翻译及复杂应用架构方向的最新学术进展，进行技术复现与业务转化。
职位要求
- 教育背景： 计算机、人工智能、自然语言处理、计算语言学等相关专业，硕士或博士在读。
- 编程与工程能力： 熟练掌握 Python，熟悉 PyTorch、Transformers（Hugging Face）、DeepSpeed 等主流深度学习与大模型库。
- 具备扎实的 Linux 环境开发经验，熟练使用 Git、Docker 等基础工具。
- 大模型与NLP理论基础： 深入理解 Transformer 架构及注意力机制，熟悉预训练-微调范式。
- 掌握序列标注、文本分类、生成任务等基本NLP模型（BERT、GPT系列等），熟悉机器翻译核心概念（编码器-解码器、BLEU/COMET等）。
- 熟悉至少一种主流大模型高效微调方法，了解高质量数据预处理及Prompt设计原则。 加分项： 有多语种NLP处理或机器翻译模型优化经验者优先。 对模型路由（Model Routing）、Agent流程编排或推理加速有实践经验者优先。
