米哈游【提前批-大模型】大模型推理系统工程师
任职要求
1、有人工智能、计算机系统等相关专业的研究经历 2、熟练掌握Linux环境下的C/C++与Python语言 3、精通以下至少一项的背景知识或经验：推理引擎和框架、高性能计算与通信、模型量化等 4、具有独立解决问题的能力，良好的团队合作精神 5、有强烈的工作责任心，较好的学习能力、沟通能力和自驱精神 6、有良好的文档习惯，及时按要求撰写更新工作流程及技术文档 加分项…
工作职责
1、负责公司AI模型的推理系统研发、性能优化、模型部署、资源调度、可观测性搭建等工作 2、与算法团队深度合作，进行算法与系统的联合设计与优化（如量化、稀疏注意力、投机采样等） 3、保持关注行业前沿技术，且有能力和热情开展创新研究
1、负责大语言模型预训练、强化学习训练框架研发与优化 2、与算法团队深度合作，进行算法与系统的联合设计与优化 3、保持关注行业前沿技术，且有能力和热情开展创新研究
1、面向代码智能体能力构建评测体系，覆盖代码库理解、Issue 修复、跨文件修改、测试生成、调试定位、命令执行、工具调用和多步任务完成等场景。 2、设计 Repo-level 和 Agent-level 评测集，评估模型在真实软件工程任务中的任务完成率、测试通过率、修改质量、鲁棒性和执行效率。 3、分析 Code Agent 在复杂任务中的失败模式，包括错误定位失败、上下文遗漏、工具调用错误、无效修改、测试误判、循环修复等问题。 4、建立从评测结果到训练数据和 Post-training 策略的反馈闭环，通过 Bad Case 分析指导数据构造、奖励设计和训练策略优化。 5、参与内部 Benchmark、模型能力看板和回归评测系统建设，支持 Code Agent 能力持续迭代。
作为一名核心的预训练数据算法研究员，你将直接参与构建和优化我们核心大语言模型的预训练，并侧重在 code、agentic、reasoning-heavy 类任务的高质量训练数据集搭建；包含但不限于数据收集、合成数据生成、任务行为轨迹构建等。 1.开发并生成用于大模型训练的合成任务与数据集，涵盖两类场景： 可验证类任务：代码解题、数学计算题等； 不可验证类任务：开放式逻辑推理、通用综合问题求解等。 2.搭建并规模化运行多领域数据合成流程，覆盖 agent、code、math、general reasoning； 3.参与搭建 agentic task environments 以及配套的大模型训练评测体系。
作为一名预训练数据算法研究员，你将负责开发大语言模型训练所需的大规模数据处理算法与数据学习策略。 主要负责： 1.针对多源数据设计并开发code类数据、通用文本数据清洗、增强、合成算法； 2.基于大语言模型研发并迭代数据筛选策略，提升预训练语料的数据质量； 3.搭建并规模化优化数据处理流水线，保障高并发场景下的运行性能与稳定性。