AI平台研发工程师

负责AI平台的模型接入、推理优化及平台功能开发工作。负责AI基础设施的架构设计与迭代，将前沿AI技术转化为可落地的平台能力，支撑各业务的智能化需求。 1.AI模型接入与推理加速： ● 负责主流开源模型的接入适配工作，包括模型格式转换、服务化封装及API接口开发；运用各种技术手段优化推理耗时与资源使用率，提升AI平台的性能与成本优势。 2.AI平台架构设计与开发： ● 优化与迭代AI平台架构，提升AI平台的可扩展性、分布式系统吞吐量、系统安全与稳定性等，持续优化成本。 3.AI能力产品化： ● 开发并维护平台AI工具链，如LoRA微调训练 pipeline、模型评估工具等；参与Agent框架与Skills开发平台的建设，支持业务快速构建AI应用；跟踪AI领域前沿技术动态，参与技术调研与POC验证。 【任职要求】 基础条件： ● 计算机、软件工程、人工智能等相关专业优先。 ● 有大型开源AI项目参与者加分。 专业能力： ● 系统工程与编程能力：具备良好的系统工程基础，熟悉Linux开发环境，熟练掌握Python，了解Go或Java，具备扎实的工程实现能力。能够了解并熟练应用编程Agent。 ● 分布式系统：了解分布式系统的基本原理（如一致性、容错、扩展性等）。 ● AI系统领域专业知识： ○ 了解AI的基本原理，熟悉主流大模型的底层算法架构（如Transformers、扩散模型等），理解算法训练与推理的基本过程。 ○ 具备AI工程领域知识，了解PyTorch框架，理解vLLM、TensorRT等推理加速框架的底层原理，并能应用。 ○ 掌握AIGC应用的主要开发方向，如lora训练、Agent框架、prompt工程与skills开发。擅长利用前沿开源资源快速开发原型。 能力特质： ● 学习与动手能力：乐于学习，乐于了解前沿领域知识，喜欢动手尝试。 ● 思考与沟通能力：有较宽的技术视野，具备系统性的思维能力，并能通过清晰的逻辑进行沟通。 ● 技术鉴赏力与自驱力：技术架构偏好简洁优雅，永远对现有架构不满意，喜欢持续迭代，喜欢在工作中展示出自己的创新点。"