AI算法工程师

我们致力于提升智能硬件在真实使用环境中的感知、理解和交互体验。你将负责 AI 模型从数据准备、训练微调、效果评估到云端或端侧部署的完整工作，并与产品、算法、软件、硬件和测试团队合作，将研究成果转化为稳定可用的产品能力。 岗位同时涉及模型研究和工程实现。候选人可以在算法训练或端侧部署其中一个方向更有积累，同时愿意理解上下游系统，把方案推进到真实设备和实际使用场景。 你需要 负责 AI 模型的技术路线、选型和效果优化，开展模型训练、微调、推理和验证，并根据产品需求选择合适的实现方案。 建设数据和训练流程，参与制定数据格式、元数据、标注和版本标准，推动多来源数据的采集、生成、质检、采购和合规使用。 建立统一的模型评测和回归体系，使用真实设备数据比较第三方、开源及自研模型，分析任务质量、鲁棒性、延迟、稳定性、资源占用和使用成本。 推动模型在云端和端侧运行，完成模型转换、量化、压缩、剪枝、蒸馏和推理加速，并根据目标设备的算力、内存、功耗和时延限制优化方案。 使用 ONNX、TFLite、NCNN、MNN 等框架完成端侧部署，或基于 GPU、容器和云服务完成在线推理、扩缩容、版本发布和回退。 与信号处理和系统团队联合优化，分析数据采集、前后处理和运行环境对模型表现的影响，协助定位端到端问题。 使用内部 AI 工程平台管理数据集、训练任务、模型版本、验证报告、部署和运行日志，使实验可以复现，模型版本可以追踪、发布和回退。 与产品、工程和测试团队一起完成技术预研、方案设计、功能集成和量产验收，处理从实验效果到用户体验之间的实际问题

硕士及以上学历，计算机科学与技术、人工智能、电子信息、通信工程、信号处理、声学、自动化等相关专业，能力突出的本科生也可考虑。 在模型训练、多模态理解、生成式 AI、智能交互、信号处理或端侧推理中的至少一个方向有扎实经验。 熟悉 PyTorch、Transformers 等训练工具，能够独立完成数据处理、模型训练、微调、推理、错误分析和实验复现。 熟练使用 Python，具备 C 或 C++ 开发能力。有 Android、iOS、嵌入式 Linux、DSP 或移动端模型部署经验者优先。 理解任务质量、准确率、召回率、实时率和端到端延迟等指标，能够设计对照实验，并从错误样例中找到可执行的改进方向。 有模型量化、剪枝、蒸馏、编译优化、GPU 推理优化，或 ONNX、TFLite、NCNN、MNN 实际项目经验者优先。 有 Azure Machine Learning、MLflow、Docker、Kubernetes、模型服务或 MLOps 平台经验者优先。 有音频信号处理、多通道感知、嵌入式算法或资源受限设备优化经验者优先。 能够把研究结论转化为代码、测试结果和产品方案，愿意深入真实设备、真实音频和复杂使用场景。 对新技术保持好奇，重视实验依据、工程质量和团队协作，能够清楚说明方案的效果、限制和风险