算法工程师（研究院）(J13006)

算法研发与训练 - 参与算法完整研发闭环：数据构建 → 模型选型 → 训练调优 → 效果评估 → 持续迭代； - 承担语音、计算机视觉、大模型与智能体等方向之一的算法实验与效果验证。

预训练模型微调与对齐 - 基于预训练模型，运用 LoRA、Adapter、Prompt-Tuning 等 PEFT 技术完成领域适配； - 实践 SFT、DPO、RLHF、多模态对齐 等大模型对齐技术，理解学习率调度、数据配比、灾难性遗忘等关键问题。

Pipeline 搭建与推理优化 - 参与可编排 Pipeline 搭建：按场景选配算法与参数，配合业务落地； - 配合完成模型量化（INT8/FP4/AWQ）、KV Cache 管理、算子优化 等推理优化基础工作。

智能体（Agent）系统开发 - 参与 Agent 系统核心模块研发：任务规划、工具调用、知识与记忆、调度接入、分级授权、回放审计。

算法研究与技术沉淀 - 跟踪并复现顶会（ICASSP / Interspeech / CVPR / ICCV / ECCV / NeurIPS / ICLR / ACL / EMNLP / AAAI 等）核心算法； - 编写技术文档与实验报告，沉淀可复用算法组件与训练工具链。

教育背景 - 硕士及以上学历（特别优秀者可放宽至本科），人工智能、计算机科学、信号处理、电子信息、自动化、数学等相关专业； - 扎实的数学基础：线性代数、概率统计、优化理论。

共性核心要求（必备） - 具备模型训练能力：掌握 PyTorch 等主流框架，具备从数据、训练、调优到评估的完整模型训练实操经验，而非仅调用现成模型； - 掌握 Python，编程基础扎实，工程实现能力强。

方向性算法沉淀（满足其一即可，不要求都具备） 方向 A：语音算法 - ASR / TTS / 声纹 / 唤醒 / 3A（ANS·AEC·AGC） 等音频算法方向之一有科研实验或实习项目经验； - 了解 Conformer / Transformer / RNN-T / Whisper / Paraformer 等主流架构； - 了解传统信号处理（AEC/ANS/AGC、波束形成）与深度学习融合方法，具备混响、远场、强噪等复杂声学场景实践经验。 方向 B：计算机视觉 - CLIP、VLM、VLA等任务之一有科研实验或实习项目经验； - 了解并掌握目标检测、目标跟踪、目标识别等视觉小模型及 CLIP、VLM、VLA 等多模态视觉大模型原理，具备调优与工程化落地能力。 方向 C：大模型与智能体 - LLM / VLM 的 SFT / DPO / RLHF / 多模态对齐，或 Agent 编排、工具调用、知识与记忆管理 中至少一项有科研实验或实习项目经验； - 了解 LangChain、LlamaIndex、HuggingFace Transformers、TRL、LLaMA-Factory 等主流工具。 - 对分布式训练、显存优化、KV Cache 管理、推理加速有基本认知。

综合素质 - 学习能力：能快速吸收前沿论文与新框架； - 逻辑思维：良好的问题分解与抽象能力； - 沟通协作：跨团队沟通与技术文档撰写能力。

加分项 - 顶会论文发表（CVPR/ICCV/ICASSP/Interspeech/NeurIPS 等）或开源社区贡献（GitHub、HuggingFace）； - 与方向强相关的算法实习经历； - 端云协同架构下大规模模型训练与部署实践经验； - 同时具备 Python 及 C/C++ 开发能力者优先。