阿里云阿里云智能-无影大模型算法专家-上海/杭州
任职要求
1. 技术技能 1) 模型开发：精通 Transformer 架构，熟悉多模态模型、大语言模型。 2) 工具链：熟练使用 PyTorch、TensorFlow、Transformers，掌握 Deepspeed、Magtran 等分布式训练工具。 3) 算法优化：熟悉 SFT、RLHF、LoRA 等微调技术，具备模型压缩等轻量化经验。 4) 分布式训练：了解 NCCL、Megatron-LM，有跨节点通信优化经验者优先。 2. 项目经验 1) 至少参与过 1 个完整的大模型项目（如预训练、微调、部署）。 2) 熟悉多模态数据处理流程，包括跨模态对齐、领域适配与模型压缩全链路优化。 3) 有工业级 Agent 系统落地经验者加分。 3. 其他 1) 具备良好的系统设计与工程化能力，能够从 0 到 1 构建技术方案。 2) 较强的学习能力与问题解决能力，能够快速掌握前沿技术。 3) 优秀的沟通协作能力，能够与产品、工程团队高效配合。 4. 加分项 1) 在相关会议（NeurIPS、ICML、CVPR）发表过论文，或在 Kaggle、天池等竞赛中获奖。 2) 有开源社区贡献经验（如参与 Hugging Face、PyTorch 生态开发）。
工作职责
1. 多模态大模型研发与优化 1) 设计并实现多模态大模型（图文音联合建模），解决跨模态语义对齐、动态数据处理等核心问题。 2) 优化模型生成能力，支持复杂多模态交互，实现毫秒级响应。 2. 多 Agent 系统算法设计 1) 构建多 Agent 协作框架，设计动态任务分配与博弈策略，解决资源争夺、动态联盟等复杂场景下的决策问题。 2) 结合博弈论与强化学习，开发对手建模模块，预测其他 Agent 的策略分布，优化协作效率。 3) 参与工业级 Agent 系统落地。 3. 行业场景落地与创新 1) 探索生成式 AI 与 RAG的结合，提升垂直领域的知识推理能力。 2) 跟踪前沿技术，推动技术方案的创新与落地。
1. 多模态大模型研发与优化 1) 设计并实现多模态大模型（图文音联合建模），解决跨模态语义对齐、动态数据处理等核心问题。 2) 优化模型生成能力，支持复杂多模态交互，实现毫秒级响应。 2. 多 Agent 系统算法设计 1) 构建多 Agent 协作框架，设计动态任务分配与博弈策略，解决资源争夺、动态联盟等复杂场景下的决策问题。 2) 结合博弈论与强化学习，开发对手建模模块，预测其他 Agent 的策略分布，优化协作效率。 3) 参与工业级 Agent 系统落地。 3. 行业场景落地与创新 1) 探索生成式 AI 与 RAG的结合，提升垂直领域的知识推理能力。 2) 跟踪前沿技术，推动技术方案的创新与落地。
1. 训练加速系统设计与优化 1) 主导千亿参数大模型的分布式训练架构设计，优化通信效率，突破显存与计算瓶颈。 2) 研发长序列训练加速技术，支持百万级上下文窗口训练，降低计算复杂度与内存占用。 3) 设计混合精度训练方案（FP16/FP8）与梯度累积策略，结合模型并行、流水线并行等技术，提升训练吞吐量 30% 以上。 2. 推理系统优化与工程化落地 1) 构建高性能推理引擎，基于 vLLM、TensorRT-LLM 等框架实现多模态模型的分布式推理，支持 MoE 架构与动态专家激活策略。 2) 研发模型压缩技术（量化、剪枝、LoRA），将端到端延迟降低，同时保持模型精度损失 3. 基础设施全流程优化 1) 优化训练与推理的 I/O 性能，通过异步并发、缓存预取等技术减少数据加载耗时。 2) 设计训练 - 推理一体化监控平台，实时追踪模型性能指标（如训练 loss 波动、推理 QPS），实现异常自动告警与弹性扩缩容。
1、基于多模态大模型设计无影AI的技术架构，不断优化可扩展性，帮助无影业务不断快速增长。 2、支持服务上亿用户规模的高性能、分布式、可扩展的桌面和应用虚拟化产品线架构。 3、设计并实施全流式通信的 LLM 应用架构，实现端到端最佳的性能和资源效率，不断优化高并发高吞吐在线系统的健壮性。 4、结合多模态数据存储服务和RAG检索技术、多Agent协同、Function Call等，快速开发针对行业的热门应用。
1. 主导Agent基础设施的架构设计与开发，构建高性能、高可用、安全可靠的Agent开发平台。 2. 基于多模态大模型设计无影AI的技术架构，持续优化系统可扩展性和稳定性，支撑无影AI业务快速增长。 3. 深入研究LLM/Agent领域前沿技术，将研究成果应用于复杂业务场景，提升系统整体性能和智能化水平。