1、大模型开发与性能优化：负责百亿至千亿参数规模的大模型研发，包括架构设计、训练框架搭建、分布式训练优化等，提升模型训练效率并降低计算成本。例如，基于PyTorch、DeepSpeed等工具优化模型并行策略，解决显存不足或通信瓶颈问题。同时需探索模型压缩、剪枝等技术，实现轻量化部署。
2、前沿技术研究与工程落地跟踪学术界与工业界最新进展（如Transformer架构改进、多模态融合技术等），复：现并改进论文中的算法，推动技术在实际业务场景中的应用。例如，结合RAG（检索增强生成）技术优化垂直领域搜索产品，或通过Fine-tuning技术适配行业需求。
3、数据处理与系统集成：处理大规模数据集，完成数据清洗、特征工程及增强，设计高效的数据管道以支持模型训练。同时负责模型与生产系统的集成，确保其在分布式环境中稳定运行，并通过监控工具实时优化性能。
4、跨团队协作与技术支持与算法、产品、运维团队紧密合作，将：技术方案转化为可落地的产品功能。例如，为业务部门提供API接口或SDK支持，解决模型部署中的技术难题，并撰写技术文档以促进团队协作。

任职要求：

1、硕士及以上学历，计算机科学、人工智能、数学或相关专业优先，重点院校或具备海外学术背景者更具竞争力。
2、精通Python，熟悉PyTorch、TensorFlow等深度学习框架，具备CUDA并行计算或分布式训练经验。
3、深入理解NLP、预训练模型（如GPT、BERT）及多模态技术，掌握模型微调、提示工程（Prompt Engineering）等核心方法。
4、熟悉大规模模型部署工具链（如Docker、Kubernetes），了解云计算平台（AWS、阿里云）及模型服务化（Model Serving）技术。
5、需具备3年以上AI研发经验，主导或参与过千亿参数级别模型的训练与优化，有工业级项目落地经验（如搜索推荐、智能客服等）者优先。
6、能快速掌握新技术（如开源模型DeepSeek-R1），适应行业高速迭代，具备技术敏感性和创新思维。
7、擅长跨部门沟通，能将复杂技术方案转化为非技术人员可理解的方案，并推动团队高效执行。