TCL大模型算法专家
1. 从flops efficiency角度，对大模型预训练过程进行分析与探索，包括不限于对scaling law的研究，数据的认知实验，MoE等模型架构设计，以及其他工程与算法结合的ml sys相关优化等。 2. 负责原生多模态大模型的构建与预训练，包括各模态分词器设计，合成数据策略，以及跨模态融合训练策略等，提升原生多模态模型在视觉/语音的理解与生成任务上的能力。 3. 进行大模型reasoning能力的相关研究，研究pre-train / test-time compute对于模型推理能力的影响，借助SFT / DPO / self-play等手段，提高模型在代码数学等推理任务上的表现。 4. 通过post-training激发模型在各下游任务上的能力，从而构建具有通用问题解决能力的agent。
1、跟进大模型领域最新进展，包括LLM、VLM、SpeechLLM、Reasoning模型等领域近期算法的跟踪、实现、最佳实践流程标准化； 2、与研发团队密切合作，面向实际业务场景与软硬件特点，将算法与工程技术落地于实际项目，满足前沿创新目标或者业务目标。
1. 负责制定大语言模型方向的技术战略与演进路线，持续引领团队在算法创新、系统部署、智能体架构等关键方向取得突破； 2. 全面统筹垂域大语言模型的研发、评估与部署生命周期，推动算法与系统能力的标准化、模块化和可复用建设； 3. 牵头在客服、销售、收派、运营、办公智能等核心领域构建智能体系统，重构关键业务流程，推动大语言模型的深度融合与落地应用； 4. 主导复杂业务问题的抽象建模，构建行业级、多任务、多场景的评估体系，覆盖模型精度、稳定性、安全合规等维度； 5. 制定并实施大语言模型系统性能优化策略，构建资源利用率高、弹性强的推理服务架构，提升模型部署效率与稳定性； 6. 引导团队围绕业务目标开展系统性大语言模型算法调研与分析，识别潜在问题与机会点，提出可落地的优化方案； 7. 紧跟大语言模型领域技术发展，持续输出行业趋势洞察，制定面向未来的技术路线与实施规划； 8. 管理算法团队，对团队成员进行技术引领、指导、职业发展辅导，保持团队先进性。