算法工程师（大模型与预测算法方向）

招聘职位：算法工程师（大模型/预测算法方向） 工作年限：1 - 3年（接受具备优秀大厂实习或开源实战经验的应届生） 业务方向：聚焦企业内部业务场景，参与大模型应用（Agent/RAG）落地及核心业务指标的预测建模，实效驱动。 岗位职责 大模型应用与RAG优化： 负责检索增强生成（RAG）流程的日常开发与迭代，涵盖数据清洗、多格式文档分块（Chunking）、向量化处理（Embedding）以及基础检索策略调优，提升知识库问答在实际业务中的准确率表现。 模型微调与Prompt调优： 结合具体业务需求（如生成诊断报告、意图识别），协同完成大语言模型指令微调（SFT）所需的数据准备与模型训练，并持续优化系统级Prompt设计。 Agent 模块开发： 参与企业级 AI Agent 核心功能实现，完成工具调用（Function Calling）接口封装、多轮对话状态维护及数据流转逻辑开发。 数据建模与特征工程： 参与零售、消费品或智能制造（OEM）场景下的预测类项目。运用传统机器学习方法（树模型/时序模型），对大规模历史数据进行深度特征提取与清洗，持续优化销量预测、进销存分析等模型的基准性能。 复合业务流打通： 协助主R（核心负责人）连接预测系统与大模型模块，推动实现“从底层数据诊断与预测输出，到上层自动生成业务总结报告”的端到端数据链路闭环。 任职要求 经验底线： 1-3年算法研发经历，完整参与过落地场景的算法项目（有大模型应用实践或传统机器学习预测项目背景者优先）。 技术基础扎实： 掌握Transformer等主流深度学习架构，熟练使用PyTorch框架； 了解LLM常见微调方式（如LoRA、P-Tuning）及常用部署加速方案（如vLLM）； 熟悉典型机器学习模型（如XGBoost、LightGBM、Random Forest）和基本时间序列建模方法，具备良好的数据洞察力。 编码与工程化： 具备规范的Python编程能力，理解常用数据结构与算法，能编写结构清晰、可维护性强的生产级代码，不局限于Notebook环境调试。 业务理解力： 踏实务实，愿意深入学习并掌握供应链与零售关键指标（如Sell-In渠道进货、Sell-Out终端销售、DOS库存水位），能将业务问题转化为可行的数据处理方案。 加分项 计算机、数学、统计学等相关专业硕士学历。 拥有Kaggle等数据挖掘或预测类竞赛（Tabular/Forecasting）获奖记录。 参与知名开源大模型工具项目（如LangChain, LlamaIndex），或在GitHub上有高星个人技术项目。