职位描述
岗位职责
- 负责搭建和优化大模型训练环境，包括硬件资源配置（GPU/TPU 集群）、分布式训练框架部署（如 PyTorch Distributed、DeepSpeed）及训练流程自动化，保障模型高效稳定训练。
- 主导 OCR（光学字符识别）与智能改卷场景的训练数据处理全流程：包括数据采集、清洗、标注规则制定、标注质量校验，构建高质量结构化训练数据集（如手写体文本、试卷版式、题型标签等）。
- 基于深度学习与大模型技术，设计并训练适用于 OCR 的文本检测、识别模型（如优化检测框精度、手写体字符识别准确率），以及智能改卷的评分模型（如题型匹配、答案相似度计算、得分规则建模）。
- 负责模型训练过程中的参数调优、性能监控与效果迭代，通过实验对比（如调整模型深度、学习率策略、数据增强方法）提升模型在实际场景中的鲁棒性（如复杂版式试卷、潦草手写体的识别效果）。
- 与算法研发、产品落地团队协作，输出训练模型的技术文档（如训练日志、参数配置、性能指标），支持模型部署与场景化应用验证。
- 跟踪大模型训练、OCR 技术及教育场景 AI 应用的前沿动态，将新技术（如小样本学习、领域自适应微调）落地到实际业务中，提升模型效果与效率。
任职要求学历与专业
- 本科及以上学历，计算机科学、软件工程、人工智能、自动化、数学等相关专业；硕士学历优先，有相关领域研究经历者优先。
技能要求
- 编程语言：熟练掌握 Python，具备扎实的代码功底，能独立编写数据处理、模型训练脚本；了解 C++ 者优先。
- 深度学习框架：精通至少一种主流深度学习框架（PyTorch/TensorFlow），熟悉模型构建、训练 API 的使用，能独立搭建自定义网络结构。
- 大模型训练能力：具备大模型（如 LLM、视觉 - 语言多模态模型）训练或微调经验，熟悉分布式训练原理，能独立配置分布式训练环境并解决训练中的常见问题（如梯度爆炸、节点通信超时）。
- 数据处理能力：掌握数据处理工具（如 Pandas、NumPy、OpenCV），熟悉数据标注流程与工具（如 LabelStudio、CVAT），能设计标注规则并处理非结构化数据（图像、文本）的清洗与格式转换。
- OCR 与机器学习基础：
- 理解 OCR 技术核心原理（如文本检测算法：YOLO、EAST；文本识别算法：CRNN、ViT-OCR），有 OCR 模型训练或优化经验者优先；
- 掌握机器学习基础理论（如损失函数设计、优化器原理、过拟合抑制方法），能基于业务场景设计模型评估指标（如 OCR 准确率、改卷评分一致性）。
- 工程能力：具备良好的问题排查能力，能通过日志分析定位训练过程中的硬件、框架或数据问题；了解 Linux 系统操作，能编写 Shell 脚本或自动化工具提升训练效率。
经验要求
- 1-3 年及以上大模型训练、深度学习算法开发或 OCR 相关项目经验；有教育场景（如试卷识别、智能批改）AI 模型训练经验者优先。
- 有实际分布式训练项目经验（如百万级样本量、百亿参数模型训练），或主导过数据标注体系搭建项目者优先。
软技能
- 具备较强的逻辑思维与实验设计能力，能通过系统化实验分析问题并提出优化方案。
- 良好的沟通协作能力，能清晰表达技术思路，与跨团队高效配合推进项目。
- 具备自驱力与学习能力，能快速适应 AI 技术迭代，主动探索解决复杂业务问题的方法。
加分项
- 发表过大模型训练、OCR 技术相关的学术论文，或有 Kaggle 等算法竞赛获奖经历。
- 熟悉大模型领域自适应微调技术（如 LoRA、QLoRA），或有小样本场景下模型训练经验。
- 了解教育行业业务（如试卷结构、考试评分规则），或有手写体识别、版式分析相关项目经验。
- 掌握模型压缩、量化技术，能在保证精度的前提下优化模型推理速度。
以担保或任何理由索取财物，扣押证照，均涉嫌违法，请提高警惕