崗位職責（RAG方向）： 知識檢索與增強生成系統的設計與實現：構建基于RAG的對話系統或問答系統，將檢索到的相關知識與生成模型相結合，提供高質量的響應。 檢索模塊優化：設計和實現高效的文檔檢索機制（如Dense Retrieval、BM25等），提升檢索的準確性和速度。 生成模型集成：將生成模型（如GPT、T5）與檢索結果結合，實現精準生成任務。 索引與存儲系統開發：開發或優化大規模語料的索引構建與存儲策略（如向量索引、分布式存儲）。 數據處理與知識庫構建：參與多模態數據（文本、圖像等）的處理和清洗，構建高質量的知識庫。 個性化與領域優化：根據特定業務場景定制檢索和生成模塊，提高系統的實用性。 系統性能優化與監控：優化檢索與生成系統的響應速度和準確性，監控系統的運行性能。 新技術探索：跟蹤RAG方向的最新研究進展，并將其轉化為可落地的技術方案。 崗位要求（RAG方向）： 檢索相關： 傳統檢索算法：熟悉TF-IDF、BM25等經典檢索方法。 深度檢索技術：掌握Dense Retrieval（如DPR）、Hybrid Retrieval等方法，熟悉FAISS、Milvus等向量檢索工具。 嵌入生成：熟悉語義嵌入模型（如Sentence-BERT、OpenAI Embeddings）。 知識庫構建：了解知識圖譜構建技術和開源工具（如Neo4j、RDF等）。 生成模型相關： 生成模型基礎：熟悉Transformer架構，掌握主流生成模型（如GPT-4、T5、LLaMA）。 RAG集成：掌握檢索增強生成技術的核心流程和實現方法。 微調和適配：了解LoRA、Prompt Tuning等模型微調方法，能夠實現領域適配。 數據處理與優化： 大規模數據管理：了解Elasticsearch或其他搜索引擎的使用與優化。 數據清洗與標注：精通Pandas、NumPy等工具，熟悉數據預處理流程。 多模態數據處理：具備處理文本、圖像、音頻等多模態數據的能力。 部署與性能優化： 在線系統優化：熟悉檢索系統的高效部署與優化（如分布式檢索、緩存策略）。 生成系統部署：掌握Hugging Face Transformers、FastAPI、Flask等用于模型服務化的框架。 向量檢索優化：了解向量檢索的分片、量化技術。 【此崗位為勞務派遣】