崗位職責(zé):
參與AI算法預(yù)研、選型、設(shè)計(jì)與實(shí)現(xiàn),覆蓋機(jī)器學(xué)習(xí)/深度學(xué)習(xí)/強(qiáng)化學(xué)習(xí)等領(lǐng)域。
針對(duì)業(yè)務(wù)場景(如NLP、計(jì)算機(jī)視覺、推薦系統(tǒng)、預(yù)測模型等)開發(fā)高效算法,優(yōu)化模型性能。
參與大模型(LLM)的微調(diào)(Fine-tuning)、壓縮(Quantization/Pruning)與適配優(yōu)化。
探索大模型與業(yè)務(wù)場景的融合方案(如長文本處理、多模態(tài)交互、領(lǐng)域知識(shí)增強(qiáng))。
學(xué)歷背景:
計(jì)算機(jī)、NLP、AI相關(guān)專業(yè)本科及以上學(xué)歷
技術(shù)能力:
精通Python/C++,熟悉PyTorch/TensorFlow等深度學(xué)習(xí)框架。
深入理解機(jī)器學(xué)習(xí)理論(如概率統(tǒng)計(jì)、優(yōu)化方法、神經(jīng)網(wǎng)絡(luò)架構(gòu))。
精通大模型工具鏈:Hugging Face Transformers、LangChain、RLHF框架。
熟悉大模型優(yōu)化技術(shù):LoRA、QLoRA、量化感知訓(xùn)練(Quantization-Aware Training)。
有分布式訓(xùn)練經(jīng)驗(yàn)(如Megatron-LM、DeepSpeed)或推理加速(如ONNX Runtime)者優(yōu)先。
項(xiàng)目經(jīng)驗(yàn):
至少1-2年工業(yè)級(jí)AI算法開發(fā)經(jīng)驗(yàn)。
主導(dǎo)過完整算法生命周期項(xiàng)目(從數(shù)據(jù)清洗到模型上線)。
主導(dǎo)過大模型落地項(xiàng)目(如對(duì)話系統(tǒng)、文檔處理工具、代碼生成等)。
其他亮點(diǎn):
國網(wǎng)電力項(xiàng)目,雙休,五險(xiǎn)一金,法假法休,年終獎(jiǎng),節(jié)假日福利,部門團(tuán)建,上班時(shí)間八點(diǎn)半,五點(diǎn)半