{
    "schema_version": "via_ai_product_manager_jobs_v1",
    "data_type": "ai_product_manager_jobs",
    "job": {
        "job_title": "LLM 算法工程师（大模型算法）",
        "job_level": "",AI生成
        "work_category": "",AI生成
        "department": "",
        "location": "上海",
        "work_mode": "",AI生成
        "job_category": "算法"AI生成
    },
    "company": {
        "company_name": "上海翥阳航空服务",
        "company_industry": "港口/铁路/公路/机场",
        "company_size": "0-20人",
        "company_website": "",
        "company_description": ""
    },
    "compensation": {
        "salary_range": {
            "min": 25000,
            "max": 50000,
            "currency": "CNY",
            "cycle": "month"
        },
        "benefits": ""
    },
    "requirements": {
        "working_years": 3,
        "degree": "本科",
        "language": "",AI生成
        "visa_support": "",
        "responsibilities": "",
        "requirements_text": "深度学习\n大模型算法\n大数据处理框架(Spark/Hadoop/Hive)\n算法工程化经验\n模型加速/性能优化\n岗位职责\n1.\t负责大语言模型的选型、Prompt 工程、SFT/RLHF 微调、LoRA/QLoRA 轻量化微调，基于开源基座做领域适配；\n2.\t评估模型效果，设计评测集，做模型能力的定量 + 定性评估（幻觉、召回、准确率、⼀致性），持续迭代模型；\n3.\t结合业务场景（知识库问答、Agent、业务流程调⽤），搭建 RAG 检索增强⽣成方案，优化召回、重排、答案生成链路；\n4.\t和推理部署⼯程师配合，提出模型量化、蒸馏需求，平衡模型效果和推理成本；\n5.\t分析模型 Badcase，归纳问题，优化数据集、提示词、微调策略，输出实验报告；\n6.\t跟进前沿 LLM 技术，调研新开源模型、新算法，做 POC 验证。\n任职要求\n1.\t本科及以上，计算机、自动化、数学等相关专业；\n2.\t熟悉 PyTorch，理解 Transformer 原理，有 LLM 微调、RAG 落地项目经验；\n3.\t熟练使用 LangChain/LlamaIndex 等框架优先；会写评测脚本，能独立做模型实验；\n4.\t了解向量数据库（Chroma、Milvus、FAISS），熟悉检索、Embedding 模型；\n5.\t良好代码能力，能独立复现实验，记录实验结论；\n6.\t加分：有 RLHF/DPO 经验，熟悉 DeepSpeed、Axolotl 等训练框架，有行业大模型落地案例。",
        "skills": [AI生成
            "深度学习",
            "大模型算法",
            "大数据处理框架",
            "Spark",
            "Hadoop",
            "Hive",
            "算法工程化",
            "模型加速"
        ],
        "preferred_qualifications": "",
        "job_highlights": ""
    },
    "contact": {
        "recruiter_name": "",
        "contact_methods": [
            {
                "type": "apply_link",
                "value": "https://www.zhipin.com/job_detail/2aa3e39283fc3a110nN90ti_ElRQ.html"
            }
        ]
    },
    "posting": {
        "posting_id": "2aa3e39283fc3a110nN90ti_ElRQ",
        "post_date": "",
        "hire_time": "",
        "update_date": "",
        "job_url": "https://www.zhipin.com/job_detail/2aa3e39283fc3a110nN90ti_ElRQ.html"
    },
    "fulltext": "深度学习\n大模型算法\n大数据处理框架(Spark/Hadoop/Hive)\n算法工程化经验\n模型加速/性能优化\n岗位职责\n1.\t负责大语言模型的选型、Prompt 工程、SFT/RLHF 微调、LoRA/QLoRA 轻量化微调，基于开源基座做领域适配；\n2.\t评估模型效果，设计评测集，做模型能力的定量 + 定性评估（幻觉、召回、准确率、⼀致性），持续迭代模型；\n3.\t结合业务场景（知识库问答、Agent、业务流程调⽤），搭建 RAG 检索增强⽣成方案，优化召回、重排、答案生成链路；\n4.\t和推理部署⼯程师配合，提出模型量化、蒸馏需求，平衡模型效果和推理成本；\n5.\t分析模型 Badcase，归纳问题，优化数据集、提示词、微调策略，输出实验报告；\n6.\t跟进前沿 LLM 技术，调研新开源模型、新算法，做 POC 验证。\n任职要求\n1.\t本科及以上，计算机、自动化、数学等相关专业；\n2.\t熟悉 PyTorch，理解 Transformer 原理，有 LLM 微调、RAG 落地项目经验；\n3.\t熟练使用 LangChain/LlamaIndex 等框架优先；会写评测脚本，能独立做模型实验；\n4.\t了解向量数据库（Chroma、Milvus、FAISS），熟悉检索、Embedding 模型；\n5.\t良好代码能力，能独立复现实验，记录实验结论；\n6.\t加分：有 RLHF/DPO 经验，熟悉 DeepSpeed、Axolotl 等训练框架，有行业大模型落地案例。"
}