AI大模型算法工程师（后训练/领域适配方向）
岗位摘要
负责大语言模型、多模态模型或智能体模型的训练、后训练、领域适配和效果优化；围绕政务办公、知识库问答、情报分析、工业质检、数字员工、长文档理解和端侧多模态等场景，定义算法问题并设计实验方案
岗位职责
- 负责大语言模型、多模态模型或智能体模型的训练、后训练、领域适配和效果优化
- 围绕政务办公、知识库问答、情报分析、工业质检、数字员工、长文档理解和端侧多模态等场景，定义算法问题并设计实验方案
- 参与数据采集、清洗、标注、合成、质量筛选、难例挖掘和训练数据配比，推动数据、算法、评测和应用形成闭环
- 使用PyTorch、Transformers、LLaMA-Factory、verl、DDP/FSDP等训练框架完成训练和调试，分析loss、能力变化和失败案例
- 参与提示词、检索、工具调用、规划、反思、奖励建模和Verifier等模块的算法优化，提升模型在复杂任务中的稳定性和泛化能力
- 参与模型量化、蒸馏、剪枝、投机采样、算子适配和推理加速，建立可复现的实验记录、模型版本、数据版本和评测结果，将有效方法转化为团队能力
任职要求
- 硕士及以上学历，计算机、人工智能、数学、统计学等相关专业优先；优秀本科生亦可考虑
- 熟悉Transformer、大语言模型或多模态模型的基本原理，掌握至少一种训练、微调或推理优化方法
- 熟悉Python和PyTorch，具备独立进行实验设计、训练调试、问题定位和结果分析的能力
- 理解数据质量、评测指标和模型迭代之间的关系，能够从失败样本中提炼算法问题
- 具备良好的工程实现能力和实验习惯，重视代码、配置、数据和模型版本的可复现性，愿意将算法效果推进到真实业务和生产环境
- 【加分项】有基座模型、领域模型、视觉语言模型、语音模型或Agent模型的训练和优化经验
- 【加分项】在继续预训练、SFT、RL、蒸馏、量化、长上下文、RAG、工具调用或多智能体方向有代表性项目、论文或开源贡献
- 【加分项】有分布式训练、任务与环境合成、Verifier、自动化验证、Agentic RL或长程任务优化经验
- 【加分项】有国产芯片适配、端侧推理、NPU算子优化或低资源模型部署经验
加分项
- 有基座模型、领域模型、视觉语言模型、语音模型或 Agent 模型的训练和优化经验
- 在继续预训练、SFT、RL、蒸馏、量化、长上下文、RAG、工具调用或多智能体方向有代表性项目、论文或开源贡献
- 有分布式训练、任务与环境合成、Verifier、自动化验证、Agentic RL 或长程任务优化经验
- 有国产芯片适配、端侧推理、NPU 算子优化或低资源模型部署经验