科学数据算法工程师

负责科学数据（图像、文本、时序、矢量、属性、点云等）的采集、清洗、对齐与治理，设计编码与 Token 化方案，建设构建高质量、规模化的训练数据。

负责模型选型、预训练、偏好对齐与推理部署，推进多模态表征学习与跨模态语义对齐。

围绕分类、检索、重建、预测等下游任务开展效果评估与实验分析，建设数据与模型评估指标体系。

跟踪数据与模型前沿技术，推动其在真实科研场景落地交付。

计算机、人工智能、数学、数据科学等相关专业，硕士及以上学历。

扎实的机器学习、深度学习基础，熟悉数据处理、模型训练、评估与优化的完整流程。

精通 Python 与 PyTorch，熟悉 DeepSpeed、Megatron-LM 等大模型训练框架，具备良好的工程实现与性能优化能力。

有图像、遥感、文本、时序、矢量、点云等一种或多种科学数据的处理经验，具备规模化数据治理与流水线建设能力。

良好的主动沟通和协作能力。

满足以下条件之一者优先：

熟练使用 pandas、sklearn等数据分析建模工具；

有生命科学、地球科学、材料、化学、天文等领域数据处理经验，熟悉科学数据的结构化、标准化与统一编码；

有模型预训练、微调、偏好对齐、提示工程等实操经验，至少了解一种模型在架构、训练、数据等方面的特点；

具备多模态NLP和CV项目实践或者落地经验；

有跨团队协作和推动业务或者项目落地经验；

具有较强的科研能力，在人工智能、机器学习、多模态学习等相关领域的国际顶级会议或高水平期刊发表过论文。