JD数据
{
"schema_version": "via_ai_product_manager_jobs_v1",
"data_type": "ai_product_manager_jobs",
"job": {
"job_title": "大模型智能体工程师",
"job_level": "初级",AI生成
"work_category": "实习",AI生成
"department": "",
"location": "香港",
"work_mode": "现场办公",AI生成
"job_category": "AI模型算法工程师"AI生成
},
"company": {
"company_name": "深圳港深联合科技...",
"company_industry": "人工智能",
"company_size": "100-499人",
"company_website": "",
"company_description": ""
},
"compensation": {
"salary_range": {
"min": 18000,
"max": 30000,
"currency": "CNY",
"cycle": "month"
},
"benefits": ""
},
"requirements": {
"working_years": 0,
"degree": "硕士",
"language": "中英双语",AI生成
"visa_support": "",
"responsibilities": "",
"requirements_text": "PyTorch\nLLM SFT/RFT\n大模型算法\n其他\n医疗AI工程化\nPython\n大模型智能体工程师/实习生\n岗位职责:\n1. 数据处理: 负责医疗领域数据的清洗、标注、隐私脱敏、Agent指令集构建。\n2. 模型落地: 主导大语⾔模型及多模态模型的微调、推理优化,结合Agent技术在临床科室落地。\n3. ⼯程部署: 负责模型服务化封装(API / Docker)、性能监控及系统稳定性维护。\n4. 团队协作: 参与需求分析与技术⽅案设计,配合团队完成项目交付与文档编写。\n任职要求:\n1. 学历背景:计算机/EE/AI/数学相关专业硕⼠,或优秀本科生(香港在读硕士可提供实习机会)。\n2. 技术栈:精通Python/PyTorch,熟悉LLM SFT/RFT及推理加速(vLLM/TensorRT)。\n3. 工程能力:熟悉Linux环境、Docker容器及常用云服务,具备代码规范意识。\n4. 综合素质:沟通协作能力强,具备自主解决问题能力,对医疗AI工程化有热情。\n加分项\n有医疗LLM或MLLM项目经验。\n除NVDIA算力外,熟悉国产算力的配置与适配。",
"skills": [AI生成
"编程与代码实现",
"模型微调与对齐",
"Linux/DevOps/CI-CD",
"部署上线与环境配置",
"医疗健康行业知识"
],
"preferred_qualifications": "",
"job_highlights": ""
},
"contact": {
"recruiter_name": "",
"contact_methods": [
{
"type": "apply_link",
"value": "https://www.zhipin.com/job_detail/4c725bf2337bb8040nZ8392_FltZ.html"
}
]
},
"posting": {
"posting_id": "4c725bf2337bb8040nZ8392_FltZ",
"post_date": "",
"hire_time": "",
"update_date": "",
"job_url": "https://www.zhipin.com/job_detail/4c725bf2337bb8040nZ8392_FltZ.html"
},
"fulltext": "PyTorch\nLLM SFT/RFT\n大模型算法\n其他\n医疗AI工程化\nPython\n大模型智能体工程师/实习生\n岗位职责:\n1. 数据处理: 负责医疗领域数据的清洗、标注、隐私脱敏、Agent指令集构建。\n2. 模型落地: 主导大语⾔模型及多模态模型的微调、推理优化,结合Agent技术在临床科室落地。\n3. ⼯程部署: 负责模型服务化封装(API / Docker)、性能监控及系统稳定性维护。\n4. 团队协作: 参与需求分析与技术⽅案设计,配合团队完成项目交付与文档编写。\n任职要求:\n1. 学历背景:计算机/EE/AI/数学相关专业硕⼠,或优秀本科生(香港在读硕士可提供实习机会)。\n2. 技术栈:精通Python/PyTorch,熟悉LLM SFT/RFT及推理加速(vLLM/TensorRT)。\n3. 工程能力:熟悉Linux环境、Docker容器及常用云服务,具备代码规范意识。\n4. 综合素质:沟通协作能力强,具备自主解决问题能力,对医疗AI工程化有热情。\n加分项\n有医疗LLM或MLLM项目经验。\n除NVDIA算力外,熟悉国产算力的配置与适配。"
}