百度大模型平台策略算法工程师（J97419）
任职要求
-教育背景： 计算机、人工智能等相关专业本科及以上学历 -编程功底： 熟练掌握 Python、 PyTorch，具备扎实的数据结构与算法基础，具备良好的工程实现能力 -大模型经验： 熟悉 Transformer 架构及大模型训练原理、熟悉后训练常用技术（SFT、 DPO、 RFT）、熟悉分布式并行策略（…
工作职责
-负责Post-training工具链开发： 负责千帆MAAS平台大模型SFT、蒸馏、强化学习（RL）等后训练环节的工具链开发，提升大规模训练的稳定性与执行效率 -负责RLaaS能力落地： 参与“强化学习即服务（RLaaS）”的方案调研与实现，通过解耦算力资源与算法逻辑，让内外部客户能够高效低成本在自身业务数据上启动高效率的 RL 训练 -提升平台易用性与扩展性： 快速定位并解决用户线上问题，将高频业务需求沉淀为平台通用功能，通过组件化设计优化工具链的复用性 -前沿技术落地： 跟踪调研业内主流后训练技术，负责将其转化为平台核心能力，保持产品的技术领先性
1、负责AIGC算法在特效业务应用落地，结合公司内部快意/可图/可灵/TTS等大模型平台，按照业务需求在特效魔表/模板/虚拟人等领域进行AIGC应用落地； 2、负责短视频生产/直播/商业化/用增/电商等场景特效智能策略算法研发优化。提高用户对智能化魔表/模板/美化等特效使用基础体验，增强特效业务智能化； 3、负责特效大数据加工和分析，通过多模态内容理解、转化行为因果推断、QoS和QoE运筹优化等对特效全面理解，挖掘生产、消费信号，洞察业务痛点，指导及优化特效相关业务内容。
1、负责网约车交易市场一站式智能策略平台的整体架构设计、搭建与落地；推动数据、特征工程、样本管理、机器学习、策略引擎、实验评估等能力的全域打通，构建一体化策略研发底座，标准化、工程化的策略研发与迭代体系，适配交易市场多业务场景的策略研发需求； 2、保障策略平台的稳定性和迭代效率，通过技术架构优化、流程标准化、工具能力升级，系统性提升算法策略的研发效率、上线速度与迭代质量，支撑业务策略快速落地与效果迭代，保障策略全生命周期的高效管理与稳定运行； 3、联动算法、工程、业务等相关团队，精准对齐策略平台建设需求，推动策略平台的应用落地与持续优化，输出策略平台使用指南与技术支持，提升团队平台使用效率； 4、持续优化策略迭代流程，通过工具化、自动化、智能化能力建设，降低算法研发与策略落地的工程成本，解决平台运行中的核心技术瓶颈； 5、跟踪行业前沿技术与策略平台建设趋势（如大模型与策略平台融合、自动化机器学习等），引入适配业务的技术方案，推动策略平台技术能力持续领先；
-负责千帆MaaS平台级推理降本与效率优化策略设计与落地，并支持定制化推理性能优化 -负责量化、投机推理（MTP / speculative decoding / Eagle）等训练–推理协同优化方案的设计与落地 -负责建设大模型推理性能评测与收益评估体系 -前沿技术落地：调研并落地大模型推理多维度优化技术，包括但不限于模型量化（INT4/INT8/FP8，含PTQ/QAT两种方式）、MTP投机推理优化、结构化剪枝与稀疏化等，持续提升推理效率与资源利用率，降低部署成本。
1.负责大模型全模态从训练到推理部署的全流程工作，在机器学习平台上引入并优化前沿算法和技术，以推动工程与模型性能的提升和业务的落地。专注于以下一个或多个方向：； 2.训练数据构建与优化：开发自动化工具和智能算法，以优化多源数据的获取、清洗、配比和合成，提升训练数据的质量和效率； 3.模型训练与优化：设计和实现训练流程自动化工具，包括超参数优化、训练早停策略、模型选择等，以提高训练效率和模型性能； 4.强化学习与后训练优化：研究和应用强化学习算法，包括异步方法、长思考推理模型训练等，以提升模型的样本效率和稳定性； 5.Agentic RL应用：利用Tool-integrated Reasoning等技术解决复杂业务问题，搭建适用于不同场景的Agentic RL框架。