快手(大模型专项）生成式AI引擎工程师
任职要求
1、研究生及以上学历，计算机科学与技术、软件工程或图形图像相关专业； 2、熟悉C/C++开发，熟悉Python，熟练掌握常用数据结构及算法，对计算机体系结构、操作系统及计算机网络有深入理解； 3、熟练掌握服务性能分析与优化技能和工具； 4、有深度学习框架（PyTorch/TensorFlow/Caffe等）优化经验； 5、具备良好的敬业精神和团队合作精神，善于分析和解决问题，富有想象力和学习能力。
工作职责
1、负责多媒体理解领域的服务端开发工作，跟计算机视觉、音频、NLP等相关算法同学深入合作共同完成算法模型的服务化； 2、对后端服务进行各种维度的持续优化，推动机器资源使用率提升； 3、与其他同学合作设计并推动部门AI云服务平台的搭建。
1. 负责高德地图有业务场景包含但不限于：搜索推荐在线引擎建设、生成式大模型预训练、广告搜推及投放引擎设计、研发及调优工作； 2. 参与各专项技术调研，新技术引入等前瞻项目；
通义千问（Qwen）是由通义实验室自主研发的超大规模语言模型，具备多模态、多语言、跨任务的理解与生成能力。Qwen系列模型，涵盖参数量从亿级到万亿级的基座大语言模型，并相继推出Qwen-VL、Qwen-Audio、Qwen-Omni、Qwen-Coder、Qwen-Image等系列模型。从多轮对话到代码生成，从逻辑推理到内容创作，从单一多模态到全模态统一理解生成，Qwen正在打造全球领先的全模态模型技术体系，推动AI在企业服务、开发者生态、个人用户等领域的深度应用，引领下一代人工智能的发展。 团队致力于在蕴含丰富世界知识的预训练模型的基础上，利用post-train技术打造出能够服务人类的AI模型。通过RL、SFT、RFT等技术，探索大模型潜能的同时，塑造大模型的能力与性格。重点探索大模型的推理能力，实现深度思考，并致力于提升其 agent 能力，让大模型服务于真实世界的任务。 工作职责： 1. 探索更多可Scalable的Verifier信号，并通过RL提升模型的各项能力。 2. 提升reward model在创作、人类偏好、指令遵循等各专项上的能力，减少reward hacking和bias。 3. 研究reasoning path压缩和外推，实现更高质量的推理思考。 4. 将LLM的推理能力和 agent以及其他模态相结合，探索统一模态的reasoning。
1、对接视频/图片/音频等各类多模态模型的数据生产需求，打造业界领先的多模态数据生产引擎，持续提升训练数据的规模、质量和迭代效率，支撑可灵全系多模态生成模型训练； 2、搭建 Data Centric 的多模态数据处理 pipeline，包括数据处理算子开发、跨模态检索引擎开发、多模态数据的内容理解、质量筛选、组织与合成等关键环节； 3、构建高可用、高吞吐的数据算法服务框架，支持多模态模型服务的快速部署，持续优化多模态数据的存储以及检索效率。
1、使用 Vue3 技术栈进行 AIGC 产品前端的开发与维护； 2、参与 AIGC 产品矩阵的应用设计、开发与优化。