作为深耕大模型与智能体领域的资深 AI 技术专家，我具备大模型全链路开发、智能体底层架构搭建、多平台高效推理部署的端到端技术能力，能够打通从模型研发到业务落地的核心链路，为 AI 产品的商业化落地提供坚实技术支撑。

大模型训练：全流程把控，兼顾性能与效率

精通大模型训练全生命周期技术，涵盖高质量数据工程、分布式训练架构搭建、训练过程优化三大核心环节。在数据层面，可独立完成数据清洗、去噪、标注与增强，构建符合领域需求的高质量训练数据集，解决数据稀疏、分布不均等问题；在训练架构层面，熟练运用 PyTorch、DeepSpeed、Megatron-LM 等主流框架，搭建多机多卡分布式训练环境，支持万亿级参数模型的高效训练；在训练优化层面，掌握混合精度训练、梯度累积、显存优化等关键技术，能够有效降低训练成本、提升收敛速度。曾主导训练某垂直领域大模型，通过优化训练策略，将模型收敛时间缩短 30%，在特定任务上的准确率提升 25%。

大模型微调：精细化适配，赋能垂直场景

具备丰富的大模型微调实战经验，可根据不同业务场景与资源条件，灵活选择全参数微调、LoRA/QLoRA 轻量化微调、Prompt Tuning等技术方案。针对低资源场景，擅长基于小样本数据完成模型的领域适配，快速让通用大模型具备行业专业能力；掌握 RLHF（基于人类反馈的强化学习）对齐技术，能够优化模型的输出效果，使其更贴合人类意图与业务规范。曾为医疗、金融等领域客户完成大模型微调，让通用模型在专业问答、报告生成等任务上的表现达到行业领先水平。

智能体底层底座搭建：架构设计与核心能力构建

精通智能体（Agent）底层底座的架构设计与开发，能够搭建高扩展性、高兼容性的智能体技术底座。核心能力包括：设计智能体的核心逻辑架构，涵盖任务规划、记忆机制、工具调用、多模态融合等关键模块；开发底座核心组件，如知识库管理系统、意图识别引擎、插件化工具集成框架，支持智能体与外部系统的无缝对接；构建底座的标准化接口，支持多类大模型的灵活接入与切换，满足不同场景下的模型需求。曾主导搭建企业级智能体底层底座，支撑客服、办公、工业质检等多场景智能体应用的快速开发与部署。

多平台推理：跨硬件 / 系统高效部署，兼顾速度与兼容性

拥有扎实的大模型多平台推理部署经验，能够实现模型在云端、本地服务器、边缘设备等多环境的高效落地。