岗位职责：
1.负责研究和开发基于各类神经网络模型（Transformer，Diffusion，MLP等）的压缩算法（如剪枝、量化、知识蒸馏等），提升模型效率并降低计算资源需求；
2.基于主流深度学习框架（如PyTorch、TensorFlow等），优化模型性能与资源占用之间的平衡；
3.紧跟前沿压缩技术（GPTQ、AWQ、QLoRA等），实现模型的8bit、4bit量化压缩；
4.与算法团队和工程团队协作，将压缩算法实现至现有场景中；
5.编制相关技术文档，撰写相关论文和专利。
任职条件：
1、学历： 硕士研究生及以上；
2、专业：计算机、人工智能、自动化、机器人学等相关专业；
3、经验及行业背景： 3年以上相关研究经验；
4、特殊要求（知识、技能等)：
（1）熟悉主流深度学习框架（如PyTorch、TensorFlow），熟悉主流神经网络架构（如Transformer、CNN、GRU、SNN等）；
（2）掌握模型的轻量化技术，包括但不限于模型剪枝、量化、知识蒸馏、低秩分解等；
（3）熟悉模型压缩与加速的算法（如PTQ和QAT、在线量化和离线量化等），能够针对模型设计高效的轻量化方案；
（4）有模型开发或优化经验、有模型剪枝、量化、蒸馏等轻量化技术的实际项目经验者优先；
（5）能够紧跟领域的研究动向，具有较强的责任心、良好的沟通能力、组织协调能力与执行力。