岗位职责：
一、前沿应用技术研究与创新
1.主导面向大模型（LLM）、多模态模型（MM-LLM）、RAG（Retrieval-Augmented Generation）、智能体（AI Agent）等方向的前沿应用技术研究；
2.探索多模态融合、上下文感知生成、任务规划、多智能体协作与自适应决策等跨领域创新方案，解决复杂场景下的知识融合与生成精度问题，推动技术突破并形成可落地的专利或论文成果；
3.负责或参与国家、省、市相关科技项目课题申报和实施工作，相关研究成果在顶级会议或行业期刊发表，提升团队技术影响力。
二、企业级应用与技术落地
1.结合政务服务、企业办公、工业生产等垂直领域，构建基于大模型与RAG的行业知识库系统，优化多模态数据处理、知识图谱构建、向量存储与检索、动态提示词生成等关键技术，支持多场景企业级知识库的高精度问答与内容生成；
2.基于开源智能体平台并结合工具调用、状态管理及环境交互能力，设计智能体驱动的复杂业务流程自动化方案（如智能客服、自动化营销、工业流程优化），以及基于智能体的多步任务规划与决策系统架构；
3.与市场、产品、工程团队深度协作，将前沿研究和技术方案成果转化为可落地的产品功能（如智能问答、文档生成、数据分析、多任务协作智能体等），主导技术方案的可行性验证与性能调优，并指导算法工程师团队完成技术方案部署、API接口开发与系统集成，确保研究与工程的无缝衔接。
三、行业趋势跟踪与生态建设
1.跟踪大模型、RAG、智能体领域的国际技术演进，推动团队技术视野的持续扩展；
2.参与国内外学术合作与产业联盟，探索产学研结合的创新路径。
任职要求：
1.计算机科学、人工智能、数学、统计学或相关专业博士学位；
2.具备自然语言处理、机器学习或深度学习方向的扎实理论基础；在大模型、RAG、智能体方向有原创性研究成果，并在顶级会议或期刊发表过高质量论文者优先；
3.精通至少一种主流深度学习框架（如PyTorch、TensorFlow）及大模型推理工具链（如LangChain、LlamaIndex等）；熟悉大模型训练与推理技术，以及本地化推理框架（如vLLM、SGLang、Transformers等）；
4.深入理解RAG框架的核心模块（如知识解析、向量嵌入、提示词工程等），具备基于FAISS/Milvus/Chroma等工具的大规模知识库系统设计经验；
5.熟悉智能体技术栈（如LangChain等），有复杂任务规划、多智能体协作或工具链集成经验；博士期间主导过至少1个大模型、RAG或智能体相关项目（如开源贡献、企业合作）者优先；
6.精通Python/C++，熟练使用PyTorch/TensorFlow，了解系统/后端/前端语言如Go、Java、JS，有良好的代码能力与工程实践经验；熟悉模型服务化部署流程（如Docker、Kubernetes），具备模型服务化、API接口开发、性能调优等实战经验；
7.具备跨学科沟通能力，能够将复杂技术问题转化为业务价值，并与产品、市场团队高效协作；拥有国际化视野，熟悉行业技术生态，有参与国际开源社区或产业合作项目的经验优先；
8.具备自我驱动与抗压能力及独立开展研究的能力，能够提出具有行业前瞻性的技术方向并推动落地，并能够在高强度研发环境下独立完成从研究到落地的全链条工作。