大模型算法研发工程师

岗位职责 1、主导自然语言理解（NLU）系统的实际落地，聚焦钢铁领域内的意图识别与槽位抽取（含复合槽），输出标准化JSON结构，基于Qwen14B模型开展微调、优化并推动上线应用。 2、承担大语言模型的轻量化微调工作（以LoRA为主），涵盖训练数据构建、超参数调整及模型效果评估，攻克口语表达、行业简称、句子省略、复合槽解析等实际业务挑战。 3、与后端开发团队协作，推进NLU模型的接口封装与服务化部署，参与前置处理规则（如词典归一）和后置校验机制（如JSON格式合规性、槽位有效性）的算法实现。 4、系统性收集和分析BadCase，持续迭代模型表现，提升意图识别与槽位填充的准确率至97%以上，确保系统在工业场景下的高可用与稳定性。 5、结合钢铁行业具体应用场景（如大宗商品、材质/品种/钢厂等实体识别），优化生成式NLU技术路径，支撑业务快速演进与需求变更。 6、优化算法实施流程，协同后端架构设计，打通“数据准备—模型训练—推理部署—反馈优化”的完整闭环。 任职要求 1、具备1-3年算法工程落地经验，方向集中于NLU、大模型微调或结构化信息抽取，有生成式NLU（Generative NLU）项目实践经验者优先考虑。 2、精通LLM轻量级微调方法（如LoRA），有Qwen系列模型（Qwen-7B/14B）实际微调经历者优先，能独立完成模型训练、调参与效果验证。 3、深入理解NLU核心任务（意图分类、槽位识别），具备处理口语化表达、复合槽拆分、简称统一、省略语义补全等复杂业务问题的能力。 4、熟练使用Python语言，掌握主流机器学习与大模型工具框架（如Hugging Face、Transformers），可独立编写训练与推理代码。 5、具备扎实的工程化思维，能够与后端团队高效协同推进算法落地，重视系统性能、稳定性与扩展能力，不局限于理论研究。