资深AI大模型算法工程师

核心目标： 基于开源大模型底座,通过预训练与后训练，构建面向 IoT 场景、可在端云高效落地的 LLM 与多模态 VLM，支撑意图识别、设备理解与控制、环境感知等核心能力的规模化落地与商业化。 核心职责： 1. 技术方向规划：主导 IoT 大模型方向的技术路线与底座选型，能带领算法团队完成从数据、训练、评测到端云落地的全流程交付，对模型效果与业务/商业化指标负责。 2. 大模型预训练：基于开源底座(Qwen、Llama 等)开展继续预训练 / 领域增量预训练；负责领域语料构建与配比、tokenizer 适配、大规模分布式训练(Megatron-LM / DeepSpeed / FSDP)、显存优化与训练稳定性、算力效率提升。 3. 大模型后训练：主导 SFT、高效微调(LoRA/QLoRA)、对齐(RLHF / DPO / RLAIF)、奖励模型、长上下文扩展；针对 IoT 场景强化 function calling / 工具调用 / 结构化输出，以及多工具联合调用与任务规划、分解、反思能力。 4. 多模态 VLM 研发：负责视觉-语言大模型的数据构建、对齐与多模态指令微调,熟悉主流多模态架构(如 Qwen-VL、LLaVA、InternVL 等)，支撑图像/视频/传感信号的环境感知与理解。 5. IoT 场景能力建设： ● 意图识别：面向语音/文本交互的意图理解与槽位抽取; ● 设备理解与控制：基于 Agent / 工具调用范式,实现自然语言到设备指令的可靠映射; ● 环境感知：基于 VLM 多模态理解场景,支撑感知决策。 6. 端侧落地与推理优化：主导模型轻量化、量化、剪枝与推理加速,推动模型在端侧/边缘设备的部署及与嵌入式系统的协同优化，在算力、功耗、时延约束下保障体验与成本。 7. 数据工程：主导预训练/微调数据的挖掘、清洗、合成(数据飞轮)与评测集建设,沉淀可复用的训练与评估流水线。 任职要求： 1. 计算机、人工智能等相关专业，硕士及以上优先；3 年以上大模型 / NLP / 多模态算法研发经验。 2. 具备算法团队管理或 TL 经验，主导过大模型方向的技术规划与项目落地。 3. 精通大模型预训练或后训练全流程，以下至少精通 2 项： ● 预训练：分布式训练、数据配比、训练框架(Megatron / DeepSpeed / FSDP)、显存与算力优化; ● 后训练：SFT、LoRA/QLoRA、RLHF/DPO 对齐、奖励模型、长上下文、指令数据构建; ● 多模态 VLM：视觉-语言对齐、多模态指令微调、主流 MLLM 实操经验; ● Agent / 工具调用：function calling、多工具联合调用、任务规划与设备控制。 4. 熟练掌握 Python 与 PyTorch,具备大规模训练与工程落地能力;熟悉主流开源大模型生态。 5. 有良好的论文阅读与前沿跟踪能力,能将最新技术转化为可落地方案。 加分项 1. 有 IoT / 智能硬件 / 端侧 AI / 具身智能 场景下的大模型落地经验(意图识别、设备控制、多模态感知等)。 2. 有端侧小模型训练、量化部署、GPU/NPU 推理优化、与嵌入式系统协同的经验。 3. 在 NLP / 多模态 / CV 顶会(ACL、EMNLP、CVPR、NeurIPS 等)发表论文,或有知名开源大模型/框架贡献。 4. 有 RLHF/对齐、合成数据、长上下文、知识蒸馏等方向的深度实践。