OPPO高级数据科学研究员
任职要求
熟悉机器学习和深度学习基础理论，具备相关领域的实际工作经验。 掌握深度学习框架应用，能独立进行模型设计与优化。 优秀的编码与代码控制能力（如Python），扎实的数据结构和算法功底。 研究生及以上学历，人工智能、数学、统计学等相关专业，加分项：熟悉预训练大模型及其在健康领域的应用。 加分项：有实际线上的高并发架构开发和调优经验；在相关国际会议（如AAAI、SIGKDD、ICML等）上有文献发表。
工作职责
探索并应用机器学习和深度学习技术于数字健康与推荐系统，负责特征分析、模型设计与优化、解释性模型构建等工作。 负责时间序列健康数据的技术研发，包括但不限于时序预测、表征学习、自监督学习、大模型应用等。 探索大语言模型与推荐/专家决策系统的融合，并推进产品在实际业务中的应用。
1.负责开发和研究模型自我优化与进化的算法，通过引入先进的自适应学习技术和进化策略，实现模型在面对新数据时的自动调整和优化； 2.设计和实施自我进化机制，包括但不限于在线学习、持续学习和元学习策略，以提升模型对新环境和新任务的适应性； 3.通过周期性的模型评估和反馈循环，确保模型在实际应用中的性能持续提升，同时解决模型过时的问题； 4.负责大模型训练数据生成及管理，包括合成数据生成和真实数据的收集与清洗； 5.负责建立和维护数据处理流程，以提高数据质量和训练效率； 6.负责开发和优化数据监控系统，进行日志数据的智能分析，及时发现并解决数据处理过程中的问题。 7.与数据科学团队合作，确保模型进化策略与数据获取、处理和分析策略的一致性，从而优化整个模型的学习效率和效果。
1.参与大规模语言模型的训练工作，通过数据质量提升、模型架构创新及训练算法改进等核心手段等手段，持续突破语言模型的性能； 2.基于业务需求设计数据解决方案，包括专业数据生产、合成和集成，确保交付模型能实质性促进业务性能提升； 3.追踪全球大模型技术前沿，快速实现创新技术的工程化落地，保持团队技术领先优势。
上海方向： 1.开发和优化大模型推理系统。研究面向大语言模型、多模态模型、视觉生成模型的推理加速技术，不限于并行解码、稀疏注意力、采样优化等技术方向。 2.跟踪学术界和工业界的最新推理加速技术，进行分析和优化，推进落地。 3.进行大模型推理加速技术创新，发表高水平论文。 【岗位资源】 1.真实大模型推理加速场景需求、AI大模型推理系统、计算资源 2.与知名高校资深老师团队科研合作，提供例行科研沟通合作机会。 3.业界资深研究员带队技术探索、落地、论文写作发表。 深圳方向： 1. 参与或主导端云协同机器学习算法预研工作，跟进机器学习前沿发展； 2. 参与深度学习模型优化、压缩，设备端算法落地; 3. 指导和参与新技术与理论在实际业务中的落地应用； 4. 参与端云协同系统的研究落地转化，包括系统主要模块算法的设计、验证、实现和上线闭环，并在过程中沉淀对应学术成果。
负责多模态 Agent相关领域技术预研和业务落地，包括但不限于： 1. 跟进大模型学术界和工业界前沿进展，研发行业先进的智能体基础模型和智能体框架、构建轻量化、高泛化、强鲁棒的GUI智能体，针对关键问题持续创新，形成技术影响力； 2. 跟进AI智能体学术界和工业界的前沿进展，研发行业先进的AI智能体系统（browser agent/ mobile agent等），并支持AI智能体系统的业务应用。