|
|
| |
| |
职位描述 用小程序查看更多 |
|
语言要求:
简体中文,英语
教育背景要求:
本科及以上
模态/大模型方向 业务技能要求：
1. 计算机科学、电子通信、统计学、应用数学等相关领域专业；
2. 具备机器学习、深度学习的知识基础。
3. 熟悉python、C/C++中的一种或多种语言。
4. 具备团队合作精神。
搜广推方向 业务技能要求：
1. 了解业界主流推荐系统全流程：召回、粗排、精排、重排等，具备推荐系统真实业务上线hands on经验；
2. 了解推荐典型算法，具备推荐系统底层GPU/国产计算卡性能优化经验优先；
3. 推荐系统、计算广告、搜索引擎相关领域有经验者优先
4. 了解Transformer在搜索推荐领域应用、GR模型落地经验者优先
专业知识要求：
1. 具备大规模机器学习分布式训练或者高性能推理系统开发和优化经验。
2. 熟悉Diffusion， DIT, QwenVL， AR生成式模型。
3. 具备扎实的机器学习，深度学习理论知识。
4. 具备一线的AI算法（NLP，语音，CV）落地经验。
5. 拥有大型C/C++ 项目软件开发经验。
6. 高并发服务开发经验多模态/大模型方向：
1. 多模态/大模型训练架构与方法创新：主导多模态模型的训练范式设计与系统优化策略，包括跨模态对齐、预训练目标设定（如图文对齐、语音文本联合建模）、多阶段训练（预训练+指令微调+强化学习后训练）等方法，推动大规模多模态模型在国产平台上的高效训练能力建设。
2. 行业趋势洞察与场景牵引：深入分析多模态AI应用发展趋势，跟踪典型应用场景（如语音视觉联动、图片/视频生成、图文理解、多模态对话、视频理解、理解生成统一模型、Agentic 大模型等），洞察其模型结构、算力需求、系统瓶颈，输出具备前瞻性的能力演进路线和资源规划建议。
3. 训练-推理协同优化策略：跟踪并推动多模态场景下的训练-推理协同设计策略，如模型结构对推理效率的影响、量化/稀疏/模型切分
4. 协助完成多模态理解、多模态生成模型的训练和推理加速。
搜广推方向：
1. 负责推荐训推解决方案竞争力规划，支撑构筑基于国产硬件、业界领先推荐系统；
2. 洞察当前业界主流推荐系统和N+1代推荐系统技术发展趋势，跟踪业界动态，行业市场需求，牵引竞争力规划；
3. 分析推荐领域的算法策略制定，对召回、粗排、精排、策略等进行分析 ；
4. 协助落地定制推荐模型，对模型训练，上线执行进行支撑，解决性能和精度问题。
5. 展开针对业务场景、模型架构、训练方法的洞察，结合硬件特点产出搜广推垂直洞察报告，并根据洞察结果，设计适合国产硬件的差异化竞争方案。
|
|
| |
|
|
| |
|
