卫星遥感模型算法开发工程师

负责卫星遥感大模型的整体技术规划与研发，主导遥感大模型、遥感多模态大模型的预训练、增量预训练与领域适配工作，构建面向国产算力的大模型训练技术栈；

负责遥感大模型的微调能力建设，基于地物分类、目标检测、变化检测、语义分割等下游任务开展指令微调、参数高效微调（LoRA/QLoRA）与迁移学习，持续提升模型在垂直场景的精度与泛化能力；

负责专业遥感模型在农业、灾害监测、自然资源、智慧城市、生态环保等验证场景的技术选型与评估，构建场景化评测基准、指标体系与回归测试集，输出模型选型建议与落地可行性结论；

参与多源卫星遥感数据（光学、SAR、高光谱、时序等）的预处理、样本库构建与训练数据集建设，制定数据标注规范与质量控制流程，保障训练数据可用性；

负责遥感模型的轻量化与部署推理优化，开展模型量化、知识蒸馏、ONNX/TensorRT转换及服务端/边缘侧推理性能调优，支撑低代码平台与智能体的模型能力供给；

跟踪遥感大模型与视觉基础模型领域前沿技术，评估SAM、SegFormer、Prithvi、SatMAE、RemoteCLIP等开源前沿模型在业务场景应用。

硕士及以上学历，遥感科学与技术、计算机科学、人工智能、测绘工程、地理信息科学等相关专业；

具有1-3年及以上遥感AI算法或大模型研发相关工作经验，有完整模型从训练、微调到业务落地的项目经历者优先；

深入理解深度学习与大模型技术体系，熟悉Transformer、ViT、CNN等主流网络结构，掌握预训练、监督微调与迁移学习的核心方法；

熟练掌握PyTorch等深度学习框架，具备大规模模型训练与分布式训练（DDP/FSDP/DeepSpeed）实践经验，了解国产算力（昇腾NPU）适配者优先；

熟悉参数高效微调技术（LoRA/QLoRA/Adapter）与主流微调范式，有遥感大模型预训练或领域微调项目经验者优先；

熟悉目标检测（YOLO等系列）、语义分割（SAM/SegFormer）、变化检测等遥感解译任务的主流算法，了解其在农业、灾害、自然资源等场景的应用特点与差异；

了解模型轻量化与部署技术（量化、蒸馏、ONNX、TensorRT），有推理优化与在线服务化经验者优先。