柏林实习项目
岗位摘要
通过模型、数据、工具或其他可用手段持续推动搜索质量的提升；使用PyTorch等框架训练和优化大规模深度学习模型，利用分布式训练（如PyTorch Distributed、DeepSpeed、FSDP）和硬件加速，专注于检索和排名模型
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
- 通过模型、数据、工具或其他可用手段持续推动搜索质量的提升
- 使用PyTorch等框架训练和优化大规模深度学习模型，利用分布式训练（如PyTorch Distributed、DeepSpeed、FSDP）和硬件加速，专注于检索和排名模型
- 在表示学习领域进行研究，包括对比学习、多语言、评估和多模态建模，用于搜索和检索
- 构建和优化RAG（检索增强生成）流程，用于信息基础和答案生成
任职要求
- 了解搜索和检索系统，包括质量评估原则和指标
- 熟练掌握PyTorch，包括分布式训练技术和大型模型性能优化的经验
- 对表示学习感兴趣，包括对比学习、密集和稀疏向量表示、表示融合、跨语言表示对齐、训练数据优化和稳健评估
- 在AI/ML会议或研讨会（如NeurIPS、ICML、ICLR、ACL、EMNLP、SIGIR）上有发表记录
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。