岗位职责
参与能源大模型相关算法的研发与迭代，主攻方向三选一或组合：
  时序预测：电力负荷预测、光伏/风电出力预测、电价预测（日前/实时市场）；
  优化决策：储能充放电策略、算力-电力协同调度，涉及时序优化、鲁棒优化、强化学习等；
  大模型与智能体：能源垂类大模型微调、RAG 知识库、面向运维/交易场景的 Agent 编排与工具调用。
参与数据清洗、特征工程、模型训练与评测，搭建可复用的实验 pipeline 与评测基线。
跟进 Kaggle / 顶会（NeurIPS、ICML、AAAI、IJCAI、KDD 等）前沿方法，并在业务数据上做验证。
参与模型上线环节：与后端协作完成模型服务化（推理加速、效果监控、线上 A/B）。
撰写技术文档，参与团队技术分享。
任职要求
必须项
计算机 / 数学 / 统计 / 自动化 / 电气工程 / 能源动力等相关专业，本科及以上在读；
扎实的 Python 功底，熟练使用 PyTorch，熟悉 Pandas、NumPy 等数据科学工具栈；
掌握机器学习 / 深度学习基本功（树模型、序列模型、Transformer 等），理解过拟合、偏差方差等常见问题；
有完整的建模竞赛或科研经历（如天池、Kaggle、电赛、数模，或论文 / 专利），能讲清楚自己的思路；
每周到岗 ≥ 4 天，可连续实习 ≥ 3 个月。
加分项
有时序预测实际经验（Informer、PatchTST、TimesFM、Chronos 等，或传统 ARIMA / Prophet / LightGBM 组合方案）；
了解运筹优化，使用过 OR-Tools、Gurobi、CPLEX 等任一求解器；
了解强化学习（RLHF、PPO 等）或有 RL 落地经验；
熟悉 LLM 应用链路：Prompt 工程、RAG、Function Calling、Agent 框架（LangChain / LangGraph 等）、LoRA 微调；
有电力、能源、碳交易背景知识，或熟悉 Python 之外的 C++ / Julia。