微信输入法-LLM个性化智能输入与推理系统优化研究

课题背景： 随着大语言模型的飞速发展，智能输入法正经历从传统统计语言模型向大模型驱动的范式转变，微信输入法已构建了"端侧轻量GPT+云侧多尺寸大模型动态路由"的端云协同架构。但当前大模型在输入法中的应用仍面临三大核心挑战：

1. 01

   如何实现对用户长期语言行为的深度建模，使输入法真正"懂用户"；

2. 02

   如何向大模型高效注入领域与实时知识，提升输入与联想补全的理解能力；

3. 03

   如何在高并发线上服务场景下，优化大模型推理全链路的吞吐与延迟性能，确保用户无感体验。 课题挑战：

4. 01

   用户长期个性化信息表示与Memory机制设计，提升个性化服务能力；

5. 02

   输入法LLM知识注入策略，构建高效的外挂知识库体系与检索方法；

6. 03

   高并发场景下优化模型推理性能，实现算力效能与模型准确度的最优平衡。 具体工作： 你将参与到输入法LLM在拼音转文字、智能转写、文字联想、知识注入、个性化输入、排序等业务上的深度迭代，直接参与千万量级用户产品的AI算法/工程研发，技术成果直接影响海量用户体验。

1. 01

   包含但不限于计算机、人工智能、机器人、自动化、软件工程、电子工程、统计学、应用数学、物理学/量子计算、信息安全、信号与信息处理等专业的博士和优秀硕士，在高水平AI顶会会议上发表过多篇论文；

2. 02

   了解SFT、RL、RAG、Agent、推理加速等至少一个方向，具备一定的大模型开发和微调经验；

3. 03

   较强的工程实现能力，熟悉Python/C++/Go 等至少一种编程语言。