多模态大模型预训练算法工程师

构建全新一代具备通用场景移动能力的大模型，负责移动基座场景下原生多模态大模型的预训练算法研发，参与研发基于世界模型、自回归/Diffusion/FM等生成式架构在端侧/云端的高效训练方案，支撑通用场景移动能力的底座建设；

设计并优化大规模分布式预训练框架，支持十亿至百亿级参数模型的持续Scale Up，解决训练稳定性、收敛效率及长序列建模等核心问题；

研发面向移动场景的视觉-语言-动作联合预训练范式，提升模型在动态环境感知、空间推理及指令遵循方面的基础能力，让模型具备跨场景的通用移动理解能力；

参与预训练数据配比策略研究，设计数据过滤、去重及质量评估机制，构建覆盖多样化移动场景的大规模预训练数据集；

跟踪多模态预训练领域前沿进展（如MoE、多模态融合架构、高效Attention机制等），推动新技术在移动基座场景的快速原型验证与落地，持续夯实通用物理AI的技术底座。

计算机科学、人工智能、电子信息等相关专业本科及以上学历，具有多模态大模型预训练项目经验；

深入理解Transformer架构及预训练技术（如Masked Modeling、CLIP-style对比学习、多模态对齐等），具备从零搭建预训练pipeline的能力；

熟练使用DeepSpeed/Megatron/LLaMMA-Factory等分布式训练框架，熟悉模型并行、数据并行、流水线并行等加速策略；

精通PyTorch/Python，具备大规模数据处理及高性能计算优化经验，在顶级会议（CVPR/ICML/NeurIPS/ICLR）发表过相关论文者优先。