作为大型模型算法工程师，您将专注于大型语言模型（LLM）和多模态大型模型的技术研发，推动其在工业垂直领域的应用。您将参与模型训练、优化和推理部署等核心流程，同时与顶尖大学研究团队合作，探索前沿技术，提高模型性能和效率。
主要职责
• 负责垂直领域大型模型的训练、微调（SFT）和系统部署，促进大型模型在工业环境中的高效应用。
• 研究并实施大型模型的压缩和优化技术，包括剪枝、量化和知识蒸馏，以提高推理效率和部署性能。
• 参与RAG（检索增强生成）和Agent模块的算法设计与开发，以增强动态和复杂环境中的推理能力。
• 研究并应用多模态理解技术，以优化大型视觉模型（LVM）在工业视觉及其他领域的应用。
• 将业务规则转化为高效的工作流代码，并参与Agentic Workflow的设计与实施，以增强工作流智能。
• 构建行业数据集以支持大型模型的训练和应用，包括数据预处理、预训练数据构建和训练/应用/评估数据集设置。
• 研究并实施大型模型合并技术，探索多模型的协同优化解决方案。
• 开发和维护大型模型的验证、评估和性能监控流程，以确保系统的稳定性和可用性。
• 参与大型模型应用平台（微服务）的开发和优化，以增强系统的模块化和可用性。
资格要求
• 数学、电气工程、计算机科学、数据科学或相关领域的硕士或更高学位优先。
• 精通机器学习、深度学习和Transformer架构，具有大型模型端到端训练和开发的实际经验。
• 熟悉大型模型压缩和优化方法，如剪枝、量化和知识蒸馏。
• 具备大规模数据处理能力，熟悉大数据工具（如Hadoop、Spark），具有数据预处理、清洗和构建训练数据集的经验。
• 熟练掌握Python、C/C++和Linux编程，具备扎实的算法和数据结构基础。
• 熟悉主流大型模型训练和推理框架，如PyTorch、Hugging Face（HF）、DeepSpeed、PEFT、vLLM、TRL等。
• 了解Triton或其他高性能推理工具，具有将模型优化应用于实际部署的经验。
• 精通Docker和Linux shell脚本；有FastAPI开发经验者优先。
• 有企业级大型模型开发、优化、部署和工具开发经验者优先。
• 具备较强的团队合作和沟通能力，能够与跨领域团队合作。
• 对前沿大型模型技术及其在工业垂直领域的应用充满热情。
加分项
• 具有RAG系统和Agent模块开发与优化经验。
• 熟悉CUDA编程、分布式计算或相关高性能计算技术。
• 在顶级会议（如NeurIPS、ICLR、CVPR）上发表过论文。
• 了解硬件加速技术（如GPU、TPU）及其在模型优化中的应用。
