商汤MIG-大模型算法研究员
任职要求
学历背景：计算机科学与技术、电子信息工程、数学、统计学、人工智能等相关专业硕士及以上学历，优秀博士优先。 技术基础： --扎实掌握深度学习、机器学习核心理论（如神经网络结构、优化算法、正则化方法等），熟悉大模型相关技术原理（如 Transformer、Self-Attention、预训练范式等）。 --熟练使用至少一种深度学习框架（PyTorch/TensorFlow），具备丰富的模型开发与调试经验；熟悉分布式训练框架（如 Megatron-LM、DeepSpeed 等）者优先。 --具备良好的编程能力，熟练掌握 Python/C++ 等编程语言，熟悉 Linux 操作系统及 Shell 脚本开发。 项目经验： -有大语言模型（LLM）、多模态大模型（如 Intern系列、Qwen 系列、L…
工作职责
1. 负责大语言模型、多模态大模型（文本、图像、语音等）的核心算法研发，包括模型 SFT微调、强化学习后训练、推理优化等关键环节，持续提升模型的效果、效率与稳定性。 2. 跟踪国内外大模型领域的前沿技术（如 Transformer 架构改进、多模态融合技术等），并结合业务场景进行技术调研与创新落地。 3. 针对具体业务需求（如智能客服、内容生成、代码辅助等），设计训练数据处理与清洗、大模型微调、强化学习后训练方案，解决实际业务问题。 4. 通用智能体框架设计与开发，智能体虚拟环境搭建，智能体基座模型的SFT后训练和强化学习后训练。 5. 与工程开发、产品设计等团队紧密协作，推动大模型技术从研发到产品化的全流程落地，输出技术文档与方案说明。
1. 深度探索AI以及视觉前沿算法，实现其在移动端的落地，确保算法在实际应用场景中的卓越表现。 2. 算法包括，检测识别跟踪，姿态估计，分割，深度估计，多帧融合、降噪、暗光增强、去模糊、HDR、超分辨率、GAN 图像生成，大语言模型和Diffusion图像视频生成技术。 3. 针对项目中出现的问题，精准设计算法解决方案，严谨地进行实现与验证，快速迭代并完成量产。 4. 承担AI算法的研发任务，包括但不限于算法的创新、改进与优化，以满足不同业务场景的需求。
1. 负责端侧AI 模型的优化、部署与性能调优，包括但不限于计算机视觉模型与大模型（LLM、VLM等）。 2. 基于不同端侧芯片（NPU、GPU、DSP、FPGA 等）进行模型适配和部署，实现高性能、低功耗推理。 3. 研究与实现模型压缩、量化、剪枝、蒸馏等技术，提高模型在端侧的运行效率与内存利用率。 4. 跟踪前沿算法与端侧硬件技术发展，探索新型架构与优化方法。 5. 与算法、芯片、软件团队紧密协作，完成从模型训练到端侧落地的全链路优化。
AI后端开发工程师的核心任务是为AI能力构建稳定、高效且可扩展的后台服务，确保智能应用顺畅运行。其主要工作包括： 1.系统架构设计与优化：参与设计高并发、低延迟、高可用的后端系统架构以支撑AI服务。运用微服务、容器化（Docker/K8S）、消息队列（Kafka/RabbitMQ）、缓存（Redis） 等技术，并优化数据库（如MySQL、MongoDB、向量数据库）性能 2.数据处理与管道构建：构建和维护数据管道，支持海量数据的采集、清洗、存储与处理，为模型训练和优化提供支持，有时需设计数据闭环系统 3.全流程开发与协作：参与从需求分析、设计、编码、测试到部署运维的全流程。需与算法工程师、前端工程师、产品经理等紧密协作，确保项目顺利交付 4.技术攻坚与创新：解决模型部署和运行中的技术难题（如资源瓶颈、轻量化），探索和引入前沿技术（如大模型服务化、多模态、边缘计算）以提升产品竞争力
职位简介 负责在 大规模 Kubernetes 集群 中设计、优化云网络架构与 GPU 虚拟化调度体系，支持 AI、大数据、电商等业务场景。您将深入 Linux 内核、虚拟化与容器网络技术栈，运用 eBPF 等工具提升系统性能与稳定性，并推动跨云平台的资源优化与整合 核心职责 1.设计与优化 Kubernetes 云网络架构（CNI、VPC），确保高性能、低延迟和稳定性。 2.基于 Cilium/Calico 等网络插件进行二次开发，支持跨集群通信和多租户隔离。 3.研究与落地 GPU 虚拟化技术（vGPU、MIG、GPU Passthrough），实现多租户隔离与动态资源调度。 4.应用 eBPF、perf、sysdig 等工具监控和分析网络与 GPU 虚拟化性能瓶颈。 5.在 混合云/多云环境 中实现跨平台网络与 GPU 兼容性优化。 6.开发定制 Kubernetes 设备插件和 Operator，优化容器网络与 GPU 资源管理。