一、崗位職責專注大語言模型（LLM）的微調（SFT、RLHF）、模型蒸餾、量化壓縮技術的研發與實際應用，聚焦冷鏈物流核心業務場景，設計適配冷鏈環境的模型微調與蒸餾方案，兼顧模型性能、推理效率與部署成本之間的平衡。

主導大模型微調所需數據集的構建與持續優化，整合冷鏈物流相關業務數據（如訂單、溫控、倉儲、軌跡等），完成數據清洗、標注及增強處理，針對行業典型問題優化微調策略，提升模型在具體應用場景中的適應能力與準確率。

負責模型蒸餾、量化（INT8/INT4等）、剪枝等關鍵技術的研究與實現，降低模型體積并提升推理效率，滿足冷鏈SaaS平臺、邊緣計算設備等多樣化部署需求，控制資源消耗與運行成本。

跟蹤大模型微調與蒸餾領域的最新進展（如低秩適配、增量微調、知識蒸餾框架等），結合冷鏈業務特性開展技術預研與驗證，推動前沿技術在實際業務中落地轉化，助力調度效率提升、貨損率下降和響應速度優化。

協同大模型算法、產品及工程團隊緊密合作，提供微調與蒸餾環節的技術支持，解決模型上線過程中的性能瓶頸、兼容性問題，保障模型穩定高效地部署至生產系統。

總結大模型微調與蒸餾的技術路徑與實踐經驗，建立標準化方法論和技術規范，促進團隊整體技術水平提升，參與技術文檔撰寫與測試標準制定工作。

二、任職要求
1. 核心要求
學歷：本科及以上學歷，計算機科學、人工智能、深度學習、數學等相關專業背景；碩士及以上學歷，或具備頂會論文、開源項目經驗者優先考慮。

經驗：2年以上大模型微調（SFT、RLHF）、模型蒸餾相關工作經驗，具備完整項目從研發到落地的實踐經驗；有物流、供應鏈、冷鏈等行業模型優化經歷者優先。

技術能力：熟練掌握Python編程語言，精通PyTorch、TensorFlow等主流深度學習框架，熟悉常用大模型微調工具（如DeepSpeed、LoRA、QLoRA等）和蒸餾框架（如TinyLlama、DistilBERT等）。

專業知識：深入理解大模型底層機制與Transformer架構，掌握模型微調、蒸餾、量化、剪枝等核心技術，能獨立完成方案設計與實現，有效應對實際技術挑戰。

數據與工程能力：具備處理大規模異構數據的能力，可獨立開展微調數據集的構建與優化工作；了解模型部署技術棧（如Docker、K8s、vllm等），能夠配合工程團隊推進模型上線。

2. 加分項
具有冷鏈物流或供應鏈領域的大模型微調與蒸餾實踐經驗，熟悉倉儲調度、路徑規劃、溫控預警等業務場景，能基于業務需求調整模型優化策略者優先。

有對主流開源大模型（如Qwen、LLaMA、GLM等）進行微調或蒸餾的經驗，熟練使用LoRA、QLoRA等高效微調方法，或具備GPTQ、AWQ等模型量化實戰經驗者優先。

具備模型工程化落地能力，熟悉邊緣端部署流程與推理加速技術，能將優化后的模型高效集成到生產環境中者優先。

曾在NeurIPS、ICML、ICLR等頂級AI會議發表過相關論文，或在重要算法競賽中取得突出成績者優先。

了解冷鏈SaaS系統或物流調度平臺，具備良好的跨團隊協作意識、問題分析能力和技術創新熱情，對模型壓縮與優化有強烈興趣。