腾讯元宝—大模型首token时延优化研究与工程实现（基于工程与算法双维度）

1.负责大模型训练和推理系统的研发与性能优化，包括但不限于：模型计算性能优化、分布式大模型推理系统、大规模推理流量调度等； 2.负责解决系统高并发、高可靠性、高可扩展性等技术难关； 3.负责大模型训练和推理前瞻性技术架构的调研和引入，技术方案不限于子图匹配、编译优化、模型量化、本地及mooncake分布式kv store等； 4.与算法部门深度合作，进行算法与系统的联合优化。

1.面向AI应用场景的大模型微调，优化PostTraining (SFT/RM/RL) 算法的训练效率和实际用户体验效果； 2.研究各领域高质量数据的自动化合成方法，建设高效的线上数据飞轮链路； 3.配合产品和工程，探索LLM在创作、教育、金融、代码等场景下的创新应用。

1.主导核心功能验证：聚焦对话、意图理解、插件能力等功能特性，设计符合AI思维范式的测试方案； 2.用户体验深度洞察：通过多维度场景还原（非常规话术、边界条件、多模态交互）挖掘潜在体验缺陷； 3.前沿测试方法探索：构建Prompt工程验证体系，设计包含价值观对齐、知识时效性等维度的AI专属测试用例； 4.质量策略创新：建立AI特性质量评估模型，推动测试左移融入需求设计、开发阶段，并负责多端（移动/桌面/Web）交互一致性验证，构建跨平台体验评估体系。

1.面向AI应用场景的大模型微调，优化PostTraining (SFT/RM/RL) 算法的训练效率和实际用户体验效果； 2.研究各领域高质量数据的自动化合成方法，建设高效的线上数据飞轮链路； 3.配合产品和工程，探索LLM在创作、教育、金融、代码等场景下的创新应用。