岗位职责：
1、研究大语言模型与业务本体、知识图谱、结构化数据的融合方法，探索利用大模型开展业务对象识别、关系抽取、知识理解、本体构建及语义推理。
2、研究基于大模型的实体、属性、关系、事件和规则抽取方法，探索从业务文档、结构化数据及业务流程中自动生成、补全和优化本体模型，提升本体构建和维护效率。
3、开展RAG、GraphRAG及知识增强生成技术研究，融合本体结构、知识关系与向量检索能力，重点提升复杂业务场景下的知识检索、关系分析和知识推理能力。
4、探索AI  Agent与本体、知识图谱、业务规则及数据分析工具的融合，研究基于本体约束的任务规划、工具调用、知识查询及业务分析能力，构建智能化业务分析原型。
5、基于主流大模型及开源框架，开展Prompt工程、RAG、Function  Calling、Agent  Workflow等技术开发，完成业务原型构建、实验验证和效果优化。
6、持续跟踪LLM+Knowledge、GraphRAG、Knowledge  Agent、Ontology  Learning、知识推理等技术进展，形成技术调研、实验方案和可复用技术组件。

任职条件：
1、博士及以上学历在读，计算机、人工智能、软件工程、数据科学等相关专业，具有机器学习、自然语言处理或知识工程相关基础。
2、熟悉大语言模型基本原理，了解Transformer、Embedding、RAG、Prompt  Engineering、Function  Calling等技术，具有大模型应用开发经验。
3、了解本体、知识图谱、实体关系建模等基本概念，熟悉实体抽取、关系抽取、实体对齐、知识融合等知识工程任务者优先。
4、熟悉LangChain、LlamaIndex、AutoGen等一种或多种大模型应用开发框架，具有RAG、Agent或智能问答相关实践经验。
5、熟练掌握Python、Java、Java script/Type script等至少一种主流编程语言，具备较好的数据处理、算法实现或AI应用开发能力；熟悉PyTorch、Transformers等大模型开发框架者优先。
6、了解Neo4j、NebulaGraph等图数据库，熟悉Cypher、SPARQL等图数据或语义查询方式，或具有GraphRAG、知识图谱问答、图推理、图神经网络等相关技术经验者优先。
7、具备较强的技术调研、快速学习、业务抽象和原型验证能力，能够从业务需求中抽象技术问题并完成实验验证；可连续实习3个月及以上，长期实习者优先。