一. 岗位职责
1. 大模型开发与优化：
- 设计、训练和调优大规模语言模型（如LLaMA、GPT、PaLM等）或视觉多模态模型。
- 探索模型压缩、分布式训练、推理加速等技术（如LoRA、量化、模型并行）。
2. 算法研究与落地：
- 针对业务场景（如对话系统、内容生成、搜索推荐）优化模型效果。
- 解决长尾问题（如幻觉控制、多轮交互、低资源场景适配）。
3. 工程化支持：
- 与工程团队协作部署模型，优化计算资源利用率（GPU/TPU集群）。
- 开发高效的数据处理流水线，提升训练效率。
二. 核心能力要求**
1. 技术硬技能：
- 算法基础：精通深度学习、Transformer架构、自监督学习、强化学习（RLHF）。
- 框架经验：熟悉PyTorch、DeepSpeed、Megatron-LM、Hugging Face生态。
- 分布式训练：掌握多机多卡训练、混合精度训练、显存优化技术。
- 领域知识：了解大模型前沿技术（如MoE、Retrieval-Augmented Generation）。
2. 工程能力：
- 熟悉CUDA编程、模型量化（如AWQ、GPTQ）、推理框架（vLLM、TensorRT）。
- 具备高性能计算（HPC）或大规模数据处理经验（TB级数据集）。
3. 软技能：
- 能快速定位模型训练中的问题（如梯度爆炸、收敛异常）。
- 具备跨团队协作能力，能将学术成果转化为工业级解决方案。