深度学习研究员
岗位摘要
开发新颖、开拓性的深度神经网络架构，推动深度学习领域的基础研究；针对多模态（文本、图像、语音等）设计优化模型，提高模型的泛化能力和应用性能；构建科学严谨的算法评测方法，系统评估模型的性能
登录后保留你的岗位线索
邮箱登录后可继续查看完整职责、任职要求和原岗位入口，并使用收藏与浏览记录沉淀适合自己的机会。
岗位职责
- 开发新颖、开拓性的深度神经网络架构，推动深度学习领域的基础研究
- 针对多模态（文本、图像、语音等）设计优化模型，提高模型的泛化能力和应用性能
- 构建科学严谨的算法评测方法，系统评估模型的性能
- 探索模型能力的潜在机制，推动模型优化和创新
- 通过数据生成、扩充和重写等方法，创建大规模、高质量的训练数据集
- 结合指令调优、偏好对齐等技术提升数据质量与模型表现
- 研究并实施基于RLHF/RLAIF的偏好对齐技术，提升模型在多领域的应用能力
- 探索和优化主动学习、课程学习等有效的大模型训练方法
任职要求
- 精通深度学习、强化学习（RL）、自然语言处理（NLP）等领域，具备创新研究能力
- 在相关领域的国际顶会或期刊发表高质量论文（如 NeurIPS、ICML、CVPR、ICLR、ACL 等）
- 在领域内知名比赛（NOI、IOI、IPhO、ACM、Kaggle 等）中取得优异成绩者优先
- 熟练掌握 Python、C++ 或其他编程语言，具备扎实的数据结构与算法基础
- 熟悉主流深度学习框架（如 PyTorch、TensorFlow），能够高效实现复杂模型
- 有大型模型训练及优化经验者优先，熟悉 LLM（大语言模型）训练和应用全流程
- 有影响力的项目经验或相关实习经历者优先
- 具备优秀的团队协作和沟通能力，能够推动团队共同解决复杂技术问题
- 熟悉大型模型训练技术，包括预训练、SFT（监督微调）、RLHF&O1（基于人类反馈的强化学习）
- 在多模态建模（如图像-文本、语音-文本对齐）领域有相关研究经验
- 对 LLM 的推理和规划有深入研究
加分项
- 熟悉大型模型训练技术，包括预训练、SFT（监督微调）、RLHF&O1（基于人类反馈的强化学习）
- 在多模态建模（如图像-文本、语音-文本对齐）领域有相关研究经验
- 对 LLM 的推理和规划有深入
登录后查看完整岗位详情
使用邮箱验证码登录后，可查看完整职责、任职要求、原岗位入口，并继续使用收藏和浏览记录。列表摘要保持公开，完整详情用于保护数据质量和降低恶意抓取。