AI应用开发工程师

参与语言/多模态大模型的架构设计、训练优化（如预训练、微调、蒸馏、量化等）及性能提升，探索分布式训练、推理加速等技术；

从数据处理、模型训练到部署落地的全流程开发，负责数据清洗、模型训练（预训练/指令微调）、推理部署全流程，解决显存优化、吞吐量提升等工程问题；

跟进大模型领域最新成果（如Transformer架构、自监督学习、多模态对齐等），推动技术创新与业务场景结合。研究大模型压缩技术（如量化、蒸馏）、多模态对齐方案，提升模型在边缘设备的运行效率；

团队合作，解决模型训练稳定性、效率及实际应用中的技术问题。

计算机科学、人工智能、软件工程等相关专业；

熟练使用Python/Java，掌握PyTorch/TensorFlow框架，熟悉Git等开发工具；

深入理解Transformer、DeepSeek、LLaMA等模型架构，掌握注意力优化、位置编码等核心模块实现；

有开源大模型项目经验（如LLaMA、ChatGLM、InternLM等）或分布式训练框架（Megatron、DeepSpeed）使用经验优先；

熟悉大模型训练全流程，包括数据清洗、预训练、指令微调、模型评估等；

了解大模型推理优化工具（如vLLM、TensorRT）、多模态模型（如CLIP、LLaVA）或轻量化技术（如QLoRA）。加分项：

有AI领域研究经验的论文发表者，或参与过具身智能、机器人控制等跨领域项目；

ACM/NOI获奖、Kaggle竞赛排名靠前，或在Hugging Face等平台有开源项目贡献；

较强的逻辑思维、沟通能力及技术热情，能快速学习新技术并解决复杂问题。