顺丰大模型算法工程师-（时序预测）
任职要求
1. 必备条件 * 学历：计算机科学、人工智能、统计学等相关专业硕士及以上学历（博士优先）。 * 经验：3年以上深度学习研发经验，并至少满足以下一个方向的专业要求： 2. 专业方向（二选一） * 方向一：深度时间序列预测专家 * 对时间序列预测有深刻理解，熟悉ARIMA、Prophet等经典方法及LSTM、TCN、DeepAR等深度模型。 * 具有开发或深度优化现代时序神经网络模型（如Informer, Autoformer, TimesNet等）的成功项目经验，并在公开数据集或实际业务中取得显著效果提升。 * 方向二：通用大模型开发专家 * 具备大规模语言模型（LLM）或多模态大模型的预训练、指令微调（SFT）或对齐（RLHF）全流程实践经验。 …
工作职责
1. 基座大模型研发与创新 * 参与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等）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，设计自监督预训练任务。 2. 模型深度优化与领域适配 * 针对电力、金融、工业等特定高价值场景，对基座模型进行深度微调与优化。 * 研发高效的模型适配技术（如PEFT），确保模型能快速、低成本地适配多样化下游任务。 3. 系统工程与高性能推理 * 负责将模型从研究原型推进到生产级系统，优化训练框架，利用混合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、编译优化等技术，降低服务延迟与资源消耗。 4. 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，并引入到产品研发中。 * 与业务团队合作，将模型能力转化为可衡量的业务价值，定义行业新标准。
1. 面向Agentic OS，参与端侧大模型架构设计与训练、训推一体的端侧大模型新架构探索落地与跨场景执行能力的系统级Agent算法体系建设；目标为通过算法与硬件的协同设计，在极小的功耗和内存预算下，实现极致的模型性能。 2. 负责大语言模型、多模态大模型在端侧场景下的继续预训练（CPT）、后训练（SFT, OPD, RL等）及持续学习，构建从数据清洗到模型落地的全链路训练pipeline。 3. 针对端侧芯片和内存特性，设计新型模型结构，探索参数共享与稀疏化方案。 4. 主导量化感知训练（QAT），实施低比特量化（如INT4/INT8），在保证精度的前提下压缩模型体积与显存占用。 5. 运用知识蒸馏（Knowledge Distillation），将云端大模型（Teacher）的能力迁移至端侧小模型（Student），攻克“大改小”的能力衰减难题。 6. 建立端侧模型评测体系，不仅关注准确率，更关注首字延迟（Prefill）、生成速度（Decoding）、功耗峰值等硬性指标。 7. 前沿技术探索与成果产出，建立Agentic OS的算法创新壁垒，推动顶级会议论文与核心专利产出。
1.研究实现AGI的关键能力，通过技术愿景驱动研究工作。负责大语言模型和多模态大模型的训练和优化（包括预规划、后训练等）长期课题的研究，提升大语言模型的能力，并在广泛业务场景中产生价值。 2.负责LLM训练相关的工作，包括后预训练、Instruction Tuning以及强化学习等； 3.深入参与数据及评估体系建设、大规模训练、指令微调、偏好对齐、模型优化等关键工作； 4.探索大模型底层技术突破，深入大模型基础架构前沿研究（如MoE、注意力机制、x等），探索新型架构和技术创新。
1、负责多模态大模型内容风控场景中的算法研究、模型训练与业务落地。面向内容风控场景频繁对抗攻击、AIGC违规变体、隐晦风险场景等难点，持续提升复杂场景的识别效果与响应效率。 2、负责面向内容风控场景的 Agent智能体系统研发，支持安全识别链路自主规划、安全工具调用、大小模型协同、风险发现与智能迭代，提升对新型违规内容的主动发现与响应能力。 3、负责大模型与agent算法压缩、加速与部署，优化服务性能与并发能力。负责大模型与Agent的自我反思与持续学习机制与解决方案设计，不断基于反馈敏捷增量提升识别能力。 4、根据大模型与agent领域的最新技术进展，探索其在内容风控场景的价值，持续提升面向复杂场景的内容风控识别效果。
1、围绕行业智能 Agent 应用做 LLM 技术研发，研究解决模型行业幻觉、工具智能调用等难题，产出论文、竞赛获奖或开源项目成果。 2、参与公司自研行业大模型的方案设计、训练与效果优化，提升 Agent 业务适配能力。 3、搭建行业大模型评测规范与评测方案，完成模型验证并落地到实际 Agent 业务中。