學(xué)歷要求：碩士在讀，計(jì)算機(jī)或數(shù)學(xué)相關(guān)專業(yè)，每周最少有3天時(shí)間，畢業(yè)后可轉(zhuǎn)正。

1、有一定的技術(shù)基礎(chǔ)。Python：核心語言，需熟練掌握PyTorch、TensorFlow等框架 ；軟件工程基礎(chǔ)：包括Git版本控制、RESTful API開發(fā)（如FastAPI）、Docker容器化等；

2、對(duì)于機(jī)器學(xué)習(xí)有一定的了解。基礎(chǔ)理論：監(jiān)督/無監(jiān)督學(xué)習(xí)、過擬合/欠擬合、評(píng)估指標(biāo)（準(zhǔn)確率、F1-score等）；Transformer架構(gòu)：理解其原理及優(yōu)化技術(shù)，是大模型的基石；

3、對(duì)于大模型的核心開發(fā)技能可以熟練掌握。提示詞工程：設(shè)計(jì)結(jié)構(gòu)化提示詞，減少歧義并引導(dǎo)模型輸出；RAG系統(tǒng)：結(jié)合向量數(shù)據(jù)庫(kù)（如FAISS、ElasticSearch）增強(qiáng)模型外部知識(shí)檢索能力 ；智能體設(shè)計(jì)：使用ReAct、AutoGen等框架實(shí)現(xiàn)任務(wù)分解與多智能體協(xié)作 ；

4、對(duì)于模型部署和優(yōu)化最好能有一定的了解。模型部署：將模型封裝為生產(chǎn)級(jí)API，需管理延遲、并發(fā)及故障隔離 ；優(yōu)化技術(shù)：量化、剪枝、蒸餾等方法降低推理成本；

5、如果能夠掌握定制化能力更好。多模態(tài)融合：處理圖像、語音等數(shù)據(jù)，需掌握LoRA微調(diào)等技術(shù)；垂直領(lǐng)域落地：需結(jié)合行業(yè)知識(shí)調(diào)整模型（主要是學(xué)習(xí)能力，具備快速學(xué)習(xí)一個(gè)行業(yè)知識(shí)的能力）；