【职责描述】：
1.模型开发与优化：
主导AI大模型（大语言模型/视觉-语言模型）的架构设计、训练调优及部署落地，针对业务场景优化模型性能（推理速度、内存占用等），实现模型轻量化（如量化、剪枝、蒸馏），探索前沿技术（如MoE、RLHF、长上下文建模）提升模型效果；
负责大模型的预训练、微调及迁移学习，结合业务需求进行模型定制化开发，提升模型在特定场景下的表现。
2.算法研究与落地：
研发核心算法（如预训练、提示工程、模型对齐），解决实际业务中的技术瓶颈，设计高效的分布式训练方案（数据/模型并行），提升千亿级参数模型的训练效率；
构建自动化评估体系，量化模型在垂类场景中的表现，推动算法在搜索、推荐、对话等场景的落地。
3.工程化支持：
搭建高可用数据处理Pipeline（清洗、标注、增强），开发模型服务框架，支持高并发推理及动态扩缩容；
与产品团队协作，推动算法在业务场景中的落地，确保模型的高效部署和稳定运行。
4.技术前瞻性探索：
跟踪LLM、Agent、AIGC等领域最新进展，主导技术选型，参与开源社区贡献，推动内部技术成果转化；
探索大模型与AI应用开发的前沿技术，推动技术创新和业务场景的结合。
【任职要求】：
1.学历要求：
研究生及以上学历，（特别优秀的本科也可以考虑），计算机/数学/AI相关专业。
2.技术栈：
精通Python编程语言，熟练使用PyTorch、PaddlePaddle等深度学习框架，具备CUDA优化经验；
深入理解Transformer、Diffusion等模型原理及实现细节，熟悉Megatron-LM、DeepSpeed、HuggingFace等开源生态；
熟悉大模型的训练、微调及部署流程，具备模型轻量化（如量化、剪枝、蒸馏）经验。
3.经验要求：
3年以上大模型实战经验（需提供项目细节，如模型参数量、数据规模、性能指标），有完整参与从0到1的大模型训练或产品算法落地案例；
具备大规模分布式训练经验，熟悉数据并行、模型并行等训练策略，能够优化千亿级参数模型的训练效率。
4.能力要求：
具备技术抽象能力，能将业务问题转化为可建模的算法问题，对技术敏感度高，能快速验证新技术可行性；
具备跨团队协作经验，能清晰传递技术价值至非技术人员，推动技术成果在业务场景中的落地。