长鑫存储AI 算法开发工程师-Algorithm Development Engineer(J18552)
任职要求
1. 硕士研究生及以上，计算机、AI、微电子、数学、统计等相关专业，3年以上工作经验（博士可放宽工作年限要求）； 2. 具备良好的编程能力和工程能力，熟练掌握 C/C++/Python 等编程语言，以及常见数据结构和算法实现，有数据处理、系统开发等实践经验； 3. 熟悉常见机器学习、深度学习算法，并具有实践经验； 4. 精通大模型（LLM）、AI Agent 技术原理，有完整的大模型微调、Agent 系统开发或多模态数据处理项目落地经验； 5. 有较强的逻辑思考能力…
工作职责
1. 模型开发与优化 设计/实现机器学习（ML）、深度学习（DL）及大模型（LLM）算法，解决业务场景问题； 主导模型训练、调参、评估及部署全流程（如分类、预测、NLP任务）； 2. 数据处理与挖掘 构建高效数据管道，处理多源异构数据（文本/图像/时序数据）； 开发特征工程方案，提升模型泛化能力； 3. 工程落地 将算法封装为API服务，对接前后端系统（TensorFlow/PyTorch + Flask/Django）； 4. 前沿技术探索 跟踪AI领域最新进展（如多模态、强化学习、Agent技术），推进技术迭代。
我们是vivo游戏技术团队，致力于通过深度学习重塑移动游戏渲染体验。 我们不再局限于传统的图形API调优，而是以基于深度学习的AI辅助渲染技术为核心，攻坚超分、插帧、光追及神经渲染等前沿领域，在移动端实现“低功耗、高画质、高帧率”的极致平衡。 在这里， 你将与资深AI算法专家及图形架构师合作，挑战神经网络在移动端GPU/NPU上的极致推理性能； 你将深入研发DLSS/FSR-like 超分辨率、AI插帧（Frame Generation）及3DGS等核心技术，直接决定数亿vivo用户的视觉体验； 你的算法将部署于千万级销量的vivo旗舰机型，在有限的功耗预算下，通过AI算法渲染出超越原生的画质细节； 你将打通“算法-硬件”全链路，将前沿的AI渲染模型硬化到vivo自研芯片中，实现软硬一体的效能革命。 你将与我们一起专注于： 1、AI渲染算法研发（核心）：主导基于深度学习的超分（Super Resolution）、插帧（Frame Interpolation）、光线追踪降噪（Denoising）及神经渲染（Neural Rendering）算法的设计与迭代； 2、移动端模型轻量化与部署：针对移动GPU/NPU架构，优化神经网络结构，实现毫秒级低延迟推理； 3、软硬件协同设计：与芯片团队深度合作，将AI渲染算子硬化，探索下一代移动图形架构的可能性； 4、技术前瞻与竞品对标：跟踪CVPR/SIGGRAPH等顶级会议的最新AI图形学成果，确保vivo在移动AI渲染领域的技术领先性。 如果你渴望用AI技术重新定义移动游戏的视觉边界，欢迎加入我们！
1.主导设计并实现高可用、高性能的AI训练与推理平台架构； 2.优化分布式计算资源调度系统，提升GPU/TPU集群利用率； 3.构建完整的MLOps体系，实现模型开发、训练、部署的全流程自动化； 4.保障AI基础设施的稳定性与安全性，建立监控告警与容灾机制； 5.跟踪前沿技术发展，持续优化基础设施性能与成本效益；参与制定技术路线，指导成员完成技术攻关，提升团队整体技术水平。
1. VLA模型研发： 参与或主导 VLA 模型的架构设计、训练和优化，提升模型在多模态理解和具身任务执行中的性能。 2. 数据闭环建设： 负责具身智能所需的数据采集、标注和处理流程，构建高效的数据闭环系统，以持续优化模型。你将探索新的数据获取方式，包括但不限于利用机器人自身进行自动化数据采集。 3. 具身技能开发： 将 VLA 模型部署到实际机器人平台上，解决模型与机器人硬件之间的集成和适配问题。开发和调试机器人技能，使其能够完成抓取、放置、操作工具等复杂任务。 4. 算法优化与落地： 持续关注具身智能领域的最新研究成果，并将前沿算法应用到实际产品中，解决技术挑战，推动产品性能的迭代升级。
1. 深度参与网易伏羲实验室核心产品研发，聚焦游戏AI、AIGC、智能NPC、强化学习、智能体、虚拟交互等方向，负责算法质量保障与效果评估，构建全链路测试体系，守护前沿技术的落地质量； 2. 主导AI测试工具与平台的设计、开发与迭代，突破传统测试在非确定性系统下的瓶颈，提升测试效率、深度与自动化覆盖率，打造行业领先的AI测试基础设施； 3. 设计并编写自动化测试脚本，开展AI算法的性能分析、安全评估与兼容性测试，从用户体验视角推动产品质量与算法效果的持续优化； 4. 探索AI技术在测试领域的创新应用，参与测试智能体的研发，将机器学习/深度学习算法落地于自动化测试与算法效果评估场景，实现测试智能化升级； 5. 主导版本发布质量评估，识别AI算法及产品发布风险，推动研发、算法、测试团队协同，建立质量改进机制，助力产品与技术的持续迭代。