算法工程师（大模型/NLP/多模态）

该职位来源于猎聘 职责描述： 1. 主导工业垂域大模型与Agent架构的设计与落地 负责将大模型能力深度集成至面板制造全链条，设计并实现具备感知、推理、决策与执行能力的工业智能体（Agent）。核心工作包括规划RAG（检索增强生成）与知识图谱融合的工艺知识库，使模型能够精准理解面板制造的复杂工艺规范；同时设计Agent的任务规划（Planning）、工具调用（Function Calling/Tool Use）与记忆管理（Memory）机制，以协同MES、ERP等核心业务系统，赋能设备管理、生产排程与工艺优化等场景 2、负责构建面板制造专属的RAG知识库与检索链路：针对工艺SOP、设备手册、缺陷图谱等非结构化文档，设计切分策略与混合检索（BM25+稠密向量+重排序）方案，解决工业术语歧义与长文档跨段检索问题，确保Agent在故障归因、工艺咨询场景中的知识召回准确率与时效性。 3、建立针对工业领域的RAG评估基准（Benchmark），不依赖通用GEC（生成式评估），而是设计基于Domain-Specific Metrics（如参数召回准确率、标准操作步骤的序列准确率）。持续监控“检索为空”或“检索冲突”的异常Case，通过RLHF（基于人类反馈的强化学习）或DPO（直接偏好优化）对重排序模型（Cross-Encoder）进行定向优化。 任职要求： 1. 具备检索与NLP核心算法功底 深入理解信息检索经典算法（BM25、TF-IDF）及最新稠密检索范式（DPR、Contriever、BGE-M3）。 精通向量数据库（如Milvus、Qdrant、Pinecone）的索引策略（如HNSW、IVF-PQ），能够根据数据量级和响应延迟要求进行合理的分片（Sharding）与内存管理优化。 2. 工业非结构化数据处理实战能力 熟练掌握针对PDF、Word等复杂格式的解析工具。 具备文档层级结构感知（Hierarchical Summarization）的处理经验，能够区分“标题-章节-条款”的逻辑关系，防止跨段落检索时的上下文割裂。熟悉知识图谱与RAG的结合方案，能够利用实体链接（Entity Linking）技术约束检索空间 3.学习能力强、具备良好的沟通能力与抗压能力。