OPPO高级大模型算法工程师
任职要求
1、有 LLM/VLM 端到端实战经验（不是只调 API 或跑开源权重）
2、深入理解预训练全流程：数据配比、训练稳定性、收敛效率，至少完整参与过一个模型的预训练阶段
3、对模型压缩…工作职责
1、负责轻量级大模型预训练，SFT以及后训练算法设计与优化； 2、优化分布式系统中的训练与推理性能； 3、对训练出的大模型效果和效率进行合理评估，构造评测体系。 任职要求 1、计算机科学、人工智能、机器学习等专业方向； 2、熟悉大模型训练与推理全流程；对强化学习、多模态领域、推理模型有深度认知； 3、在高水平国际会议或者学术期刊发表过相关论文，或有高水平竞赛获奖经历； 4、有相关的实习经历，以及实际训练过大模型的经验者优先。
1. 大模型技术研发与优化 深入探索大模型（如LLM、多模态模型）的核心算法，包括预训练、微调（Fine-tuning）、提示工程（Prompt Engineering）、RAG（检索增强生成）等技术，优化模型效果与性能。 *熟悉并能够设计和实现多智能体调度框架，结合大模型实现高效的任务调度和协作机制。 2. 大模型应用场景落地 负责大模型在垂直领域的应用开发，包括但不限于AIOps、代码生成/续写、智能问答、知识推理等场景，推动技术成果转化为实际生产力。 结合业务需求，设计高质量微调数据集和模型评估集，设计端到端的大模型解决方案，优化模型部署效率与推理成本。 3. 工程化与性能调优 熟悉Dify、LangGraph 等应用开发框架，能快速构建原型并推进产品化。 熟练使用Python，熟悉PyTorch/TensorFlow框架，具备CUDA/分布式训练经验者优先。 4. 跨团队协作与创新 与产品、数据、运维团队紧密合作，理解业务需求并设计技术方案。 跟踪学术界与工业界前沿技术（如Agent技术、MoE架构、MCP、A2A协议等），探索技术突破点。
1. 负责与大语言模型（LLM）相关的应用算法开发，能够根据业务场景中的实际问题，提供可行的算法解决方案 针对具体业务场景，如业务决策能力提升，业务效率改善等进行算法试算和应用落地 2. 基于业务需求，探索 RAG、AI Agent、function call 等大模型应用形态的算法创新，研究大模型应用的前沿技术，沉淀大模型应用平台的关键能力 3. 利用大模型的预训练、微调和提示词工程等技术，解决业务落地中的难题，并对算法效果进行评估和优化 4. 负责应用与服务的集成，端到端开发高质量、高性能、高可用的大模型服务，推动大模型应用项目的落地和迭代优化。
1. 负责无人机、手持等产品场景下云端大模型能力建设 2. 研发基于端到端大模型的全自动标注算法，为端到端模型训练提供数据挖掘/数据预标注/全自动标注能力 3. 推动模型算法在云端的工程化落地，支撑量产数据高效处理。
【】 - 主导设计与研发：负责基于大语言模型（LLM）的核心信息解析引擎，聚焦于深层语义理解、意图识别与多模态知识抽取。 - 构建前沿模型：架构并实现业界领先的NLP算法模型，持续优化模型性能，挑战信息提取任务在准确性、效率与泛化能力上的极限（SOTA）。 - 探索技术边界：追踪并引入NLP及AIGC领域的前沿技术（如RAG、Fine-tuning策略、AI Agent等），探索其在业务场景中的创新应用，构建公司技术护城河。 - 垂域探索：探索大语言模型（LLM）在酒店垂域下的推荐应用。 - 驱动技术落地：与产品、工程团队紧密协作，推动算法方案从原型验证到生产环境的完整生命周期，确保技术方案的稳定、高效与可扩展性。 【