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…
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、领导可扩展、可靠的AI基础设施（AI加速器、计算集群、存储、网络）的端到端设计，用于Training和Inference大模型工作负载； 2、定义并实现面向服务的容器化架构（Kubernetes、VM框架、Unikernels），优化ML性能和安全性； 3、分析和优化ML堆栈的每一层ML编译器、GPU/TPU调度、NCCL/RDMA网络、数据预处理和训练/推理框架，开发低开销Metrics和基准测试框架，以识别和消除分布式训练和Inference中的瓶颈； 4、构建和运营跨多个数据中心（本地和云）自动扩展的大规模部署和编排调度系统，通过智能资源管理和工作负载放置来支持容错、高可用性和成本效益； 5、为PB级大模型数据集量身定制强大的ETL和数据摄取管道（Spark/Beam/Dask/Flume），集成实验管理和工作流编排工具（Airflow、Kubeflow、Metaflow）以简化研究到生产的过程； 6、与机器学习研究人员合作，将原型需求转化为生产级系统，指导工程师在性能调整、系统设计和可靠性工程方面的最佳实践。
1.探索生成式模型的高级推理发生机制，提升大模型在复杂任务上的推理表现。包括但不限于RL scaling、Test time scaling等； 2.探索模型通过使用工具扩展能力边界，同复杂环境交互持续提升模型智能水平； 3.超大规模模型的强化学习性能优化，通过算法/工程的联合优化，极致加速模型训练和推理。
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。