百度2027AIDU-大模型Infra工程师(J99967)

1. 负责大模型（LLM）的核心算法研发，包括预训练、指令微调（SFT）、RLHF、对齐优化、推理增强等； 2. 探索高效的模型调优策略、高质量数据建设方法，研究MoE稀疏化、Latent Attention等前沿模型结构； 3. 支持大模型在搜索、推荐、对话、AIGC、语音、网盘文库、出海等多元业务场景的应用落地与效果优化； 4. 负责量化、投机推理（MTP / Eagle / DFlash/DSpark）等训练–推理协同优化方案的设计与落地； 4. 设计、实现并优化大规模分布式训练与推理框架，提升训练稳定性和推理效率； 5. 参与大模型平台化建设，推动模型能力向创新产品转化。

1. 研究跨模态数据表征方法、高质量数据萃取方法、高效算法算力融合的创新算法，探索跨模态端到端大模型的前瞻技术和趋势； 2. 支持大模型平台化及规模化创新应用落地。

1. 世界模型 -构建基于多模态传感器的世界模型，实现复杂环境下的预测和决策能力提升；为复杂问题解决效果验证、端到端系统提供强有力的仿真验证能力； -跟踪世界模型前沿技术，探索新技术在实际场景中的应用，保持行业技术领先； 2. 数据与模型迭代 -构建为实现世界模型需要的数据闭环与数据飞轮。

1. 基础模型 -构建自动驾驶统一模型底座，研发多模态主干结构和子任务；模型蒸馏与轻量化； -结合语言对齐、生成式自监督、半监督等技术，研发大规模预训练，提升复杂场景下的泛化能力与鲁棒性； 2. 数据与模型迭代 -结合3D几何及重建等技术，建设数据自动化产线-设计并实现多阶段预训练-后训练的流程建设与数据使用策略。