高德地图高德-大模型算法高级工程师/专家-研发效能团队

1. 负责阿里云百炼平台的质量保障工作，参与产品需求和技术方案评审，评估技术架构合理性和可测性。 2. 进行阿里云百炼平台的质量保障体系建设，包括功能测试、自动化测试、性能测试和稳定性测试等。 3. 配合开发团队进行问题排查和分析，解决线上用户问题，持续提升产品竞争力。

1. 负责理想汽车规模化持续集成与交付体系建设，打造整体高质量、高效率的交付能力。 2. 通过系统工具、方案设计、数据度量、跟踪分析等多种手段标准化交付流程，建立软件工程最佳实践。 3. 解决 CI/CD 建设过程中各阶段关键问题，包括但不限于配置管理、变更管理、编译构建、制品发布、版本部署等。 4. 和算法、工程团队协同完成研发基础设施的智能化改造，构建新一代智能化研发交付工具链。

基座大模型研发与创新 参与设计并研发面向大规模多元时间序列的预训练基座模型，探索适用于时序数据的 Transformer变体(如Informer,FEDformer, PatchTST)及创新架构。 负责构建超大规模，高质量的时序预训练数据集，设计掩码重建，上下文预测等自监督预训练任务。 研究时间序列中的关键问题，如长周期依赖建模，多尺度特征提取，缺失值处理，以及时序与文本/事件等多模态信息的对齐与融合。 模型深度优化与领域适配 针对特定高价值场景(如电力负荷预测，量化金融，工业设备预测性维护)，对基座模型进行深度微调与优化，实现"通用能力"到"领域专家"的转化。 研发高效的模型适配技术(如参数高效微调 PEFT)，确保基座模型能够快速，低成本地适配到多样化的下游任务。 系统工程与高性能推理 负责将模型从研究原型推进到稳定，高性能的生产级系统。优化训练框架，利用混合并行(数据并行，模型并行，流水线并行)技术实现千亿参数模型的分布式训练。 主导模型的高效推理优化，应用量化(INT8/ FP4)，编译优化等技术，大幅降低服务延迟与资源消耗，支撑海量时序数据的实时预测需求。 技术前瞻与行业赋能 追踪时间序列分析，大模型预训练的前沿学术进展，并将有潜力的技术引入到产品研发中。 与业务团队紧密合作，深入理解行业痛点，将基座模型的强大能力转化为可衡量的业务价值，定义时间序列预测领域的新标准。 岗位要求 必备条件 计算机科学，人工智能，统计学或相关专业硕士及以上学历(博士优先).

1、参与LLM方向的新技术研究和落地应用，支持指令微调、强化学习相关算法需求 2、支持通用ai agent在产品业务应用中的落地研发和效果优化，包括但不限于通用ai agent，深入理解大模型和通用ai agent运行原理，明确提升通用ai agent效果的核心技术方向。 3、负责ai agent的框架构建，agent与工具调用的优化，相关场景下大模型的优化，将ai agent框架、工具、大模型有效结合，为通用ai agent效果提供最佳的使用体验。