理想汽车深度学习大模型专家-上海/北京
任职要求
1. 硕士及以上学历，计算机/自动化/机器人相关专业； 2. 精通深度学习模型及模型量化技术，有完整的量产模型量化经验； 3. 算法基础扎实，精通C++，有扎实的算法优化经验； 4. 熟悉Linux操作系统及ROS，熟悉Shell/Python编程，对网络有深刻的理解； 5. 沟通能力强，具备良好的分析问题和解决问题能力。
工作职责
1. 负责利用深度学习框架，如 TensorFlow、PyTorch，搭建和训练智能底盘控制大模型 2. 负责将算法进行工程化实现，并封装称可以调用的服务； 3. 根据任务需求进行模型算法的优化和调整，提高模型性能； 4. 编制软件开发中所必须的设计文档。
1、负责基础模型和Generative AI的基础能力建设，追踪业界文本生成/翻译、图生文、deepfake等方向的最新技术，极致优化预训练、微调、领域知识注入、RLHF、RM、AI Safety等能力； 2、将AIGC相关技术在广告、电商、短视频、直播等商业产品的内容理解上落地，构建新一代基于大模型的商业化生态； 3、从事强化学习与大语言模型智能体（LLM-based Agent）相结合的交叉研究与应用落地； 4、探索大模型高效训练/推理方案。
1. 支撑蚂蚁集团在各个业务领域的MLOps&LMOps算法研发工作，覆盖机器学习系统多个子方向领域的工作，包括：数据配比&全链路血缘建设、数据实验&分析、深度学习/大模型预训练/后训练/推理等，建设支持AI全链路的研发平台与AI垂类应用开发平台，实现算法研发效率、和资源利用率的最大化，灵活可扩展的支持不同领域的个性化应用开发需求，为蚂蚁大模型研发链路及应用研发探索新的研发模式； 2. 对平台进行全局性和前瞻性的架构设计和核心技术细节实现，帮助团队攻克各种技术难关，保障和提升平台稳定性。
1. 负责研发大语言模型强化学习算法，提升大模型在强化学习阶段的训练效率，以及提升大模型在数学、代码等自然科学领域的推理能力 2. 负责研发奖励和评价模型，包括细粒度的过程监督和奖励建模，覆盖复杂推理、指令遵循等各种任务 3. 参与后训练和推理阶段的Scaling Law研究，包括奖励模型训练、强化学习训练、推理阶段的Scaling Law
蚂蚁 PaaS 平台是基于蚂蚁多年在金融级云原生领域的技术积累，围绕 Kubernetes 等云原生技术打造的应用 PaaS 平台，并通过下沉技术风险、安全可信、数据智能等能力，实现效率与风险的极致平衡，满足蚂蚁多元化业务需要。 1、基于 Kubernetes 的云原生 PaaS 平台研发，解决蚂蚁超大规模场景下云原生系统性能、高可用与稳定性等问题 2、参与云原生大模型推理服务平台建设，包括模型部署、推理服务高可用高吞吐等能力建设 3、参与变更管控与智能变更平台建设，包括策略代码化、风险分析、根因定位与变更Agent等能力建设 4、面向客户端到端需求分析、技术选型、架构设计、代码实现与功能交付 5、参与云原生 PaaS 开源技术品牌 KusionStack 的建设