传音资深算法工程化工程师(J17390)

负责语音助手产品的需求梳理、后台架构设计与开发。 配合NLP算法工程师，负责对话系统、NLP、LLM Agent工程化建设。 负责语音助手产品的高可用，高性能。

1.主导大模型的算法研究、训练调优及工程化落地，提升模型性能和效率 2.探索大模型压缩、分布式训练、推理加速等技术（如量化、MoE、FlashAttention等） 3.结合业务场景（如对话系统、内容生成、知识推理）设计模型优化方案，解决数据稀疏性、幻觉抑制等挑战 4.跟踪学术界与工业界最新进展，推动技术成果转化 5.主导技术方案输出，协同工程团队实现高性能服务部署

1、基于企业核心业务需求,设计、开发、优化Al Agent,赋能公司内部AI应用场景。 2、深入分析企业业务流程,具备独立的需求分析与方案设计能力,能够独立完成Al Agent需求对接、方案开发与优化等工作； 3、负责Agent任务流编排，持续优化Prompt Engineering、知识增强(RAG) 、强化学习等策略,提升Agent在复杂业务场景下的表现; 4、评估并优化Al Agent交互体验,通过持续调优提高自然语言理解能力及生成内容的精准度,并沉淀相关经验; 5、设计完整的测试方案,包括人工测试和机器测试等,组织相关方参与测试并验证测试结果，不断调优测试方法； 6、参与搭建企业级Al Agent平台,基于Dify (或Langchain等其他开发平台)快速集成与管理多种主流AI模型(商业与开源大模型），实现Agent灵活编排、调用与优化； 7、参与Al Agent运行架构设计,优化数据流转、权限管理、任务调度等关键模块,确保系统的高效性与可扩展性; 8、与公司数据安全部门和合规部门密切合作，在满足业务效果的同时，确保Al Agent的数据安全和隐私保护符合合规要求；

1. 负责智能零售、智能审核、AI+IoT等AI摄像头领域的视频/图像类实时检测、识别业务； 2. 参与人机协作（用高质量人工智能补充AI算法短板）、人工和AI的匹配调度模块，并设计和开发效果闭环迭代； 3. 参与群体智能算法（多智能体系统、群智感知/决策系统、群智激励管理系统等）的工程化开发； 4. 借助落地业务不断迭代发展人工智能技术，深入高价值业务研究课题，在相关领域撰写专利和沉淀通用技术方案