模型研发工程师

负责科研领域场景的模型研发、优化和落地，包括但不限于大模型、知识图谱等技术。

1. 01

   负责科研领域大模型（LLM）的核心算法研发与优化，重点包括持续预训练（ContinuePretrain）、指令微调（SFT）和基于人类反馈的强化学习（DPO/RHF）等关键技术；

2. 02

   聚焦提升领域对话模型的深度逻辑推理、复杂问题解决及因果推断能力，确保其在科研场景下的有效应用；

3. 03

   设计并实现领域自适应策略，将通用大模型高效迁移适配至特定科研方向，显著提升专业理解和生成能力；

4. 04

   构建高质量领域语料库，设计严谨评估体系，驱动模型性能的持续迭代与优化；

5. 05

   探索知识图谱等技术与大模型的融合应用，增强模型的知识运用与事实准确性；

6. 06

   负责天文、材料、生命科学等领域模型研发，包括模型架构设计、算法实现及效果验证等。

1. 01

   计算机科学、软件工程、数学、人工智能等相关专业；

2. 02

   熟练掌握深度学习、机器学习、计算机视觉、自然语言处理的基础知识；

3. 03

   良好的科研能力，有大规模语言模型（LLMs）方面经验者优先；

4. 04

   熟悉PyTorch等深度学习框架，熟悉Megatron、Deepspeed等大模型训练框架；

5. 05

   有人工智能高水平论文发表者优先，有大型竞赛优胜经验者优先；

6. 06

   具备团队意识和沟通能力，强烈的自驱力和技术热情，优秀的数据和逻辑分析能力。