1.負(fù)責(zé)大模型基礎(chǔ)設(shè)施建設(shè)相關(guān)研發(fā)，包括不限于PE、RAG、插件、大模型數(shù)據(jù)系統(tǒng)、大模型訓(xùn)練、大模型推理、大模型安全、大模型評(píng)估等基礎(chǔ)能力建設(shè)；
2.負(fù)責(zé)數(shù)據(jù)建設(shè)、指令微調(diào)、偏好對(duì)齊、繼續(xù)預(yù)訓(xùn)練、Prompt設(shè)計(jì)和優(yōu)化等模型優(yōu)化方面的工作，提高模型質(zhì)量和適應(yīng)性；
3.負(fù)責(zé)大模型應(yīng)用落地，包括不限于教育、融合算力業(yè)務(wù)的大模型項(xiàng)目建設(shè)；
4.持續(xù)探索在各個(gè)業(yè)務(wù)場(chǎng)景下使用大模型能力優(yōu)化產(chǎn)品體驗(yàn)、提升研發(fā)效率；
5.關(guān)注AI應(yīng)用前沿技術(shù)，跟進(jìn)業(yè)內(nèi)最新研究進(jìn)展和應(yīng)用趨勢(shì)，提出創(chuàng)新思路和方向。

崗位要求：
1.精通 Transformer 基礎(chǔ)架構(gòu)，包括自注意力機(jī)制（Self-Attention）、多頭注意力（Multi-Head Attention）、前饋網(wǎng)絡(luò)（FFN）、層歸一化（LayerNorm）、殘差連接（Residual Connection）的核心原理與計(jì)算邏輯；
2.具備 Transformer 模型輕量化實(shí)踐經(jīng)驗(yàn)，了解量化（INT8/INT4）、剪枝、知識(shí)蒸餾等技術(shù)在 Transformer 上的落地邏輯，平衡模型性能與資源消耗；
3.熟悉推理優(yōu)化，理解 KV Cache 原理、動(dòng)態(tài)批處理（Dynamic Batching）、注意力計(jì)算優(yōu)化（如 FlashAttention），能針對(duì)性降低推理時(shí)延與顯存占用；
4.具備大規(guī)模 Transformer 模型分布式訓(xùn)練實(shí)踐經(jīng)驗(yàn)，掌握數(shù)據(jù)并行（DP）、模型并行（MP：TP\PP\EP并行）等分布式策略，能解決分布式訓(xùn)練中的通信瓶頸、顯存分配問(wèn)題；
5.具備知識(shí)圖譜/自然語(yǔ)言處理/機(jī)器學(xué)習(xí)/深度學(xué)習(xí)/智能運(yùn)維等一個(gè)或多個(gè)領(lǐng)域的理論與實(shí)踐基礎(chǔ)；具備sklearn、tensorflow、pytorch、pyg等框架中的一種或多種的實(shí)踐能力；有圖數(shù)據(jù)庫(kù)neo4j、nebula等一種或多種的開(kāi)發(fā)能力；
6.熟練掌握python/c++/go/java等編程語(yǔ)言的一種或多種；
7.責(zé)任心強(qiáng)，學(xué)習(xí)能力強(qiáng)，具備一定的前沿技術(shù)觀察力，具有良好的溝通能力；
8.發(fā)表過(guò)CCF-B或中科院2區(qū)及以上論文者優(yōu)先；
9.有音視頻處理相關(guān)經(jīng)驗(yàn)者優(yōu)先；
10.有對(duì)開(kāi)源訓(xùn)推框架如llamafactory、vLLM深入研究、貢獻(xiàn)代碼者優(yōu)先；
11.有異構(gòu)分布式推理優(yōu)化經(jīng)驗(yàn)，特別是國(guó)產(chǎn)智算卡的推理優(yōu)化及源碼級(jí)適配經(jīng)驗(yàn)者優(yōu)先。

專(zhuān)業(yè)要求
人工智能、計(jì)算機(jī)等相關(guān)專(zhuān)業(yè)

福利待遇
1.提供區(qū)域有競(jìng)爭(zhēng)力的薪資待遇，骨干人才享有股權(quán)激勵(lì)政策,繳納“六險(xiǎn)一金”。
2.解決天津市戶(hù)口，享受相關(guān)人才補(bǔ)貼政策。
3.天津崗位可免費(fèi)入住白領(lǐng)公寓。
4.按國(guó)家規(guī)定執(zhí)行周末雙休、帶薪年假、暑假關(guān)懷假等。