职位名称：算法专家（多模态大模型/计算机视觉/语音模态）一、职位概述

我们正在寻找在人工智能前沿领域充满激情的算法工程师。无论您专精于多模态大模型、计算机视觉还是语音模态，如果您渴望将尖端算法技术应用于解决极具挑战性的真实世界问题，并推动其从研究到落地，那么这个职位将为您提供绝佳的舞台。

二、核心职责：

1.算法研究与开发：负责各自方向（多模态/CV/语音）的算法研究、模型设计、实验训练和调优工作，持续提升模型效果与性能。

2.工程落地与部署：将算法模型进行服务化部署，实现高性能、高可用的线上推理服务，并处理海量数据的训练问题。

3.业务需求对接：与产品、业务团队紧密协作，深入理解应用场景与需求，设计并输出合理、高效的技术解决方案。

4.技术前瞻探索：跟踪学术界与工业界的最新进展，并将有潜力的技术应用于实际项目，保持技术的领先性。

5.跨团队协作：与数据、后端、前端、移动端等团队高效协同，共同推进项目从概念到上线的全流程。

三、具体方向要求：

（一）多模态大模型方向：

1.精通Transformer、BERT、GPT、CLIP等大模型架构及其预训练、微调技术。

2.具有多模态（如图文、视频-文本、音频-文本等）融合建模及COT构建的实际项目经验。

3.熟悉对比学习、提示学习（Prompt Learning）、指令微调（Instruction Tuning）、强化学习（ppo、dpo、grpo、dapo，gspo）等前沿技术。

4.有大规模分布式训练（如DeepSpeed, FSDP）、PTQ/QAT量化、模型压缩经验者优先。

（二）计算机视觉方向：

1.精通CNN、Transformer、VIT等视觉模型，在图像分类、目标检测、图像分割、视频理解等一个或多个领域有深入研究。

2.熟悉目标跟踪、行为识别、生成式模型（如Diffusion Model、GAN）等相关技术者优先。

3.具备模型轻量化、移动端部署（如TensorRT, TFLite, CoreML）经验者优先。

（三）语音模态方向：

1.精通语音识别（ASR）、语音合成（TTS）、声纹识别、语音情感分析等关键技术。

2.熟悉传统声学模型（如HMM）及端到端深度学习模型（如Conformer, Wav2Vec2, Whisper）。

3.有音频信号处理、噪声抑制、回声消除等前端处理经验者优先。

四、必备核心能力：

1.扎实的算法基础：精通机器学习/深度学习/强化学习理论，具备优秀的代码实现能力（编程语言不限，Python必须熟练，算法能力达到LeetCode中级以上水平）。

2.工程落地能力：具有亿级参数大模型的训练、调优或部署经验，熟悉PyTorch/TensorFlow等框架，了解Docker、Kubernetes等云原生部署技术。

3.业务洞察力：具备强烈的产品意识，能快速理解业务痛点，独立设计并推动技术方案落地，以解决实际问题为导向。

4.团队协作力：拥有出色的沟通能力和团队协作精神，能有效协调多方资源，主导或积极参与跨团队项目。

五、优先录取条件：

1.学术成果：在ACL、NeurIPS、ICML、ICLR、CVPR、ICCV、ECCV、INTERSPEECH等顶级会议或期刊以主要作者身份发表过相关论文。

2.竞赛/开源贡献：在Kaggle、天池等权威算法竞赛中获得过顶级名次，或有知名开源项目的核心代码贡献经历（请在简历中附上GitHub链接）。

3.交叉领域经验：具备多模态、强化学习、知识图谱等两项或以上的交叉项目经验。

4.领域知识：熟悉中医、医疗、生物医药等垂直领域业务知识或数据特点者将极具优势。

六、我们提供：

1.极具竞争力的薪酬待遇和激励机制。

2.与行业顶尖专家共事的机会，获得快速的技术成长与职业发展。

3.挑战前沿技术难题的平台和丰富的计算资源支持。

4.鼓励创新、开放包容的技术氛围。

5.有机会深入一个充满前景的领域，让你的工作产生深远的影响。