主要职责
薪资：可协商
应用机器学习与工程
• 设计、构建并扩展用于个性化、推荐、适应性测试和性能预测的生产级机器学习系统。
• 架构和实施具有持续集成/持续交付、监控和模型管理的机器学习管道和服务。
• 确保学习平台中人工智能驱动组件的高可用性、性能和可扩展性。
大型语言模型/自然语言处理创新
• 集成和微调大规模大型语言模型（例如，GPT-4、LLaMA、Claude）以用于对话学习代理、自动反馈、摘要和智能内容生成。
• 实验提示工程、指令调优和微调方法，以优化大型语言模型在教育环境中的表现。
• 实施与向量数据库（例如，Pinecone、Weaviate、Chroma）结合的混合检索增强生成系统，以进行上下文知识检索。
研发与思想领导
• 在公司内部领导或共同领导人工智能研究项目，以探索生成式人工智能、少样本/微调模型、自适应学习算法或自然语言处理架构的新技术。
• 评估新兴的人工智能趋势、工具和方法；原型开发新功能以指导产品路线图。
• 与学术界或研究机构合作，推动前沿创新和相关出版物。
协作与指导
• 与产品、设计、工程和内容团队跨职能合作，以使人工智能解决方案与用户和业务需求保持一致。
• 指导初级工程师，进行代码审查，并为人工智能/机器学习团队的最佳实践做出贡献。
技能与经验
• 5年以上在生产环境中开发和部署端到端机器学习解决方案的经验。
• 深入了解Python及机器学习/自然语言处理框架（例如，PyTorch、TensorFlow、Hugging Face、scikit-learn）。
• 在一个或多个大型语言模型（例如，GPT、Claude、LLaMA）及工具（如LangChain、OpenAI API、Transformers）方面有成熟的经验。
• 扎实掌握机器学习基础、自然语言处理技术、语义搜索和生成建模。
• 具备MLOps实践经验，包括实验跟踪（MLflow/W&B）、部署（Docker/K8s）和云服务（AWS/GCP/Azure）。
• 具备领导或参与应用研究和快速原型开发的经验。
• 加分项：在语音转文本、翻译系统（ASR、S2ST）、图学习或强化学习方面的经验。
资格
• 计算机科学、机器学习、人工智能或相关领域的硕士或博士学位。
• 在快速发展的产品环境中，能够有效地将研究与实际应用结合的能力。
• 强大的沟通、技术领导和协作能力。 
新加坡