岗位职责（具体工作内容） 实习方向 大模型应用工程开发：深度参与RAG系统开发、Agent任务编排框架搭建，构建高并发、低延时的智能服务引擎。 模型优化与工程化：辅助算法团队完成大模型微调、蒸馏等工程实现，设计高性能推理框架与分布式训练方案。 基础架构建设：搭建支持千亿级参数模型的高效训练/推理平台，优化数据管道、模型部署与监控系统。 岗位职责 参与大模型应用后端架构设计与核心模块开发，支撑RAG、Agent等场景的高效落地。 开发模型训练/推理的工程化工具链，解决微调、蒸馏中的性能瓶颈与资源调度问题。 构建高可用、可扩展的分布式系统，提升智能服务在千万级用户场景下的稳定性。 探索大模型与出行场景（如调度、客服、用户增长）结合的创新技术方案。 我们能提供 AI落地的广阔舞台：直面亿级用户出行场景，探索大模型在调度、客服、安全等领域的创新应用。 硬核的技术挑战：千亿参数模型工程化、高实时性Agent系统开发、低成本模型蒸馏等前沿课题。 成长型团队氛围：与顶尖算法工程师紧密协作，参与从0到1的技术攻关，积累AI工程化全链路经验。 任职资格（学历、目标院校、语言、技能、性格等要求） 必须项： 1. 计算机相关专业，扎实的数据结构与算法基础，熟悉至少一种后端语言（Go/Python/Java等）。 2. 了解分布式系统、高并发设计，有数据库、缓存、消息队列等中间件使用经验。 3. 强烈的学习意愿，对AI工程化、大模型应用开发有浓厚兴趣，愿意深入业务场景。 4. 每周出勤5天。 加分项： 1. 接触过大模型相关技术（如LangChain、RAG框架、微调工具LLaMA-Factory等）。 2. 参与过分布式训练、模型压缩（量化/蒸馏）或高性能推理优化项目。 3. 熟悉云计算（K8S/Docker）、向量数据库、GPU资源调度等技术栈。4. 能够实习6个月及以上。