概述
我们正在寻找LLM工程师，开发基于语言模型的金融科技解决方案。
ПриветFortis是一家金融科技公司，采用现代商业方法。我们提供有效的IT解决方案，帮助我们的合作伙伴处理支付、客户并实现业务自动化。
Fortis的数字：
• 每年40亿笔交易
• 1000万买家
• 阿联酋4000+商户
• 70+团队成员
职责
• 设计和开发端到端的LLM管道：从接收和处理输入数据到生成、后处理和输出最终结果
• 创建和优化复杂的RAG系统：分块、嵌入生成、使用向量数据库和设置相关搜索
• 从事高级提示工程：开发、测试和改进提示模板，包括使用思维链、工具调用和获取结构化输出数据
• 集成和选择LLM：使用云API和/或开源模型，选择最佳解决方案以满足任务需求，考虑质量、成本和延迟
• 确保解决方案的生产输出：部署、扩展和维护高可用性的推理服务，使用容器化（Docker）和云平台
• 设置和进行模型微调：针对特定领域和任务进一步训练开源LLM
• 开发和实施质量评估系统：创建自动化指标和人机协作流程，用于测试、监控响应质量并识别漂移或退化
• 实施安全和控制机制：防止机密数据泄露（PII），最小化幻觉并限制模型的不当行为
• 与产品和工程团队紧密合作：将业务需求转化为技术规范，并将LLM组件集成到后端服务和用户界面中
• 实施MLOps实践：确保实验的可重复性、数据和模型的版本控制、监控设置和ML组件的CI/CD管道
资格
• 2年以上商业开发LLM解决方案的经验
• 深厚的Python知识和后端服务开发经验
• 构建RAG架构的实践经验：从分块和嵌入到使用向量数据库（FAISS、Milvus、Weaviate、Pinecone及类似）
• 熟练掌握现代提示工程方法
• 具有使用云LLM API和开源模型的经验——包括其启动、推理和集成
• 理解MLOps原则：容器化（Docker）、日志记录、监控、版本控制
• 熟练使用Git，能够进行和接受代码审查
加分项：
• 使用框架的经验
• 开源模型的微调经验（LLaMA、Mistral、Qwen及类似）
• 构建LLM代理和多代理系统的经验
• 带薪出差以与团队保持更紧密的联系
• 绩效评估后的奖金
• 休假
• 拥有开放沟通、公司活动、团队建设的企业文化
• 支持学习和能力发展的支持
#J-18808-Ljbffr
