百度内容生态研发部_多模态大模型资深策略工程师（J85685）
任职要求
-硕士以上学历，专业为计算机科学、人工智能、数学、统计学等相关领域，具备扎实深厚的理论基础 -在多模态大模型研发方面拥有丰富经验，深度参与过模型的预训练、微调及优化工作，在相关业务场景中落地成果显著 -在国际知名顶会（如 NeurIPS、ICML、CVPR、ICCV、ECCV、ACL 等）发表过多模态大模型相关论文，学术成果突出 -熟练掌握 Python 编程语言以及主流深度学习框架（如 PyTorch、TensorFlow 等），编程能力娴熟 -具备出色的数学基础，精通机器学习、深度学习相关算法，对多模态数据处理和模型构建有深刻的见解 -拥有较强的问题解决能力和创新思维，能够深入关键问题提出创新性的解决方案 -具备良好的团队协作精神与沟通能力，能够协同高效开展工作，推动项目快速进行
工作职责
-主导面向内容生态AIGC的多模态大模型的创新开发，涵盖模型架构设计、训练算法优化等关键环节，引领技术发展方向 -主导多模态训练数据的处理流程，包括数据采集、清洗、标注及管理等，为模型训练提供高质量语料 -基于多模态大模型，适配业务场景各类下游应用，实现推动技术落地应用 -密切追踪国际多模态大模型领域的最新研究成果与发展趋势，积极引入先进理念和技术，保持技术的领先性 -积极撰写高水平学术论文，踊跃投稿至顶会和期刊，提升技术影响力
-负责内容架构相关开发工作，工作内容包括但不限于：模型推理性能优化、推理卡集群GPU利用率治理、模型服务化、GPU资源调度功能研发等 -负责多模态LLM和Diffusion Model的推理性能的极致优化，保持业界SOTA -紧跟多模态LLM、视频生成领域最新研究进展和技术趋势，协同策略团队完成业务落地 -和团队一起攻克高性能、高并发、高可用性等各种不同技术场景下的技术挑战
1、大项目转化与交付管理：负责文旅行业大型智能化项目（如智慧景区、智慧旅游小镇、数字文旅平台）的方案设计、技术对接、合同转化及交付管理，协调内外部资源确保项目按计划完成交付，包括时间、风险、成本等基本项目管理要素的执行，与客户各业务部门建立沟通机制，理解客户业务与行业发展趋势，与客户建立长期合作与信任关系，发掘合作机会； 2、行业解决方案参与与优化：基于多模态大模型（如智能语音交互、视觉识别、内容生成）和具身智能机器人（如导览服务、环境交互、自动化运营）技术，结合文旅业务场景（如游客服务、运营管理、营销推广），协同方案团队设计具有竞争力的创新解决方案和产品功能；分析文旅市场动态、客户需求及竞争对手情况，收集并分析客户反馈，持续优化解决方案； 3、生态伙伴构建与管理：构建并维护与文旅行业生态伙伴的良好关系，包括政府机构、景区、文旅企业、行业协会、科研院所、技术供应商等；通过生态合作整合资源，共同打造多元化的文旅体验，推动项目的落地与推广； 4、跨团队协同与技术支持：协调内部硬件开发、软件研发、UI/UX设计、算法团队等，推动功能落地与联调测试，确保产品功能交付符合质量要求与时间计划；为合作伙伴提供必要的技术支持和培训，提升团队的整体运营能力； 5、市场与行业洞察：跟踪AI大模型、机器人行业调研，深入了解市场，搜集行业动态和相关政策信息，并转化为产品规划与市场策略。
1. 大模型研发与调优：独立设计、开发适用于 OTT 推荐系统、AI agent 的大模型，通过参数调整、轻量化压缩、多模态融合等技术优化模型性能，降低计算资源消耗； 2. 推荐系统算法优化：基于协同过滤、深度学习推荐模型（如 DIN、DeepFM 等），结合 OTT 业务场景优化推荐策略，提升内容推荐的精准度、多样性及用户点击率、留存率； 3. AI agent 开发落地：设计 AI agent 架构与智能交互策略，实现自然语言处理、任务执行、多轮对话等功能；通过强化学习提升其自主决策与学习能力，适配 OTT 场景服务需求； 4. AI 硬件算法适配：针对第二曲线 AI 硬件（如智能电视芯片、边缘计算设备），优化 AI 算法与硬件特性的结合，提升模型部署与运行效率，充分利用硬件资源； 5. 跨部门协作推进：协调研发、算法、设计、运营等跨部门资源，推动 AI 产品全流程开发，通过项目会议同步进展、解决问题，确保产品按时高质量交付； 6. 行业生态与商业探索：跟踪 AI 行业前沿动态与技术趋势，整合内外部资源，探索 AI 产品的新商业模式与应用场景，提升产品市场竞争力与商业价值。
1. 大模型研发与调优：独立设计、开发适用于 OTT 推荐系统、AI agent 的大模型，通过参数调整、轻量化压缩、多模态融合等技术优化模型性能，降低计算资源消耗； 2. 推荐系统算法优化：基于协同过滤、深度学习推荐模型（如 DIN、DeepFM 等），结合 OTT 业务场景优化推荐策略，提升内容推荐的精准度、多样性及用户点击率、留存率； 3. AI agent 开发落地：设计 AI agent 架构与智能交互策略，实现自然语言处理、任务执行、多轮对话等功能；通过强化学习提升其自主决策与学习能力，适配 OTT 场景服务需求； 4. AI 硬件算法适配：针对第二曲线 AI 硬件（如智能电视芯片、边缘计算设备），优化 AI 算法与硬件特性的结合，提升模型部署与运行效率，充分利用硬件资源； 5. 跨部门协作推进：协调研发、算法、设计、运营等跨部门资源，推动 AI 产品全流程开发，通过项目会议同步进展、解决问题，确保产品按时高质量交付； 6. 行业生态与商业探索：跟踪 AI 行业前沿动态与技术趋势，整合内外部资源，探索 AI 产品的新商业模式与应用场景，提升产品市场竞争力与商业价值。