理想汽车【智能工业】人工智能算法高级工程师
任职要求
1. 计算机、自动化、数学等相关专业，扎实的模式识别、图像处理、图像生成、计算机视觉理论基础，掌握领域内常用算法； 2. 具有领域内5年及以上工作经验及完整项目的落地经验，硕士或以上学历； 3. 扎实的代码能力，精通python,C/C++等一种代码能力，熟悉linux下开发；熟悉cuda、opencv等开发库的使用; …
工作职责
1. 负责计算机视觉深度学习算法的开发与性能提升，负责VLM大模型的应用开发与工程化部署应用，涉及的主要问题包括但不限于视频智能分析中目标检测、行为识别等功能模块的开发、迭代与落地；表面缺陷检测算法的开发、优化与落地等； 2. 参与计算机视觉及人工智能领域的前沿技术探索，结合业务场景进行创新，推动新技术在业务场景的落地应用。
基座大模型研发与创新 参与设计并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)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，设计掩码重建，上下文预测等自监督预训练任务。 研究时间序列中的关键问题，如长周期依赖建模，多尺度特征提取，缺失值处理，以及时序与文本/事件等多模态信息的对齐与融合。 模型深度优化与领域适配 针对特定高价值场景(如电力负荷预测，量化金融，工业设备预测性维护)，对基座模型进行深度微调与优化，实现"通用能力"到"领域专家"的转化。 研发高效的模型适配技术(如参数高效微调 PEFT)，确保基座模型能够快速，低成本地适配到多样化的下游任务。 系统工程与高性能推理 负责将模型从研究原型推进到稳定，高性能的生产级系统。优化训练框架，利用混合并行(数据并行，模型并行，流水线并行)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(INT8/ FP4)，编译优化等技术，大幅降低服务延迟与资源消耗，支撑海量时序数据的实时预测需求。 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，并将有潜力的技术引入到产品研发中。 与业务团队紧密合作，深入理解行业痛点，将基座模型的强大能力转化为可衡量的业务价值，定义时间序列预测领域的新标准。 岗位要求 必备条件 计算机科学，人工智能，统计学或相关专业硕士及以上学历(博士优先).
1. 负责商品治理方向的算法研发工作，利用技术手段解决工业品信息标准化的难题，提升商品信息的准确性与一致性； 2. 与产品、运营团队紧密合作，共同优化商品治理相关工作流程，提升跨职能团队的协作效率，建立并完善效果评估体系，推动商品治理能力的持续升级； 3. 探索并应用大模型、智能体等前沿算法技术于商品治理场景，丰富治理工具箱，持续优化治理效果与工作效率； 4. 面向工业各行业客户，输出商品治理标准与算法能力，助力提升全行业的商品数智化水平；
1. 负责商品治理方向的算法研发工作，利用技术手段解决工业品信息标准化的难题，提升商品信息的准确性与一致性； 2. 与产品、运营团队紧密合作，共同优化商品治理相关工作流程，提升跨职能团队的协作效率，建立并完善效果评估体系，推动商品治理能力的持续升级； 3. 探索并应用大模型、智能体等前沿算法技术于商品治理场景，丰富治理工具箱，持续优化治理效果与工作效率； 4. 面向工业各行业客户，输出商品治理标准与算法能力，助力提升全行业的商品数智化水平；
1. 负责商品治理方向的算法研发工作，利用技术手段解决工业品信息标准化的难题，提升商品信息的准确性与一致性； 2. 与产品、运营团队紧密合作，共同优化商品治理相关工作流程，提升跨职能团队的协作效率，建立并完善效果评估体系，推动商品治理能力的持续升级； 3. 探索并应用大模型、智能体等前沿算法技术于商品治理场景，丰富治理工具箱，持续优化治理效果与工作效率； 4. 面向工业各行业客户，输出商品治理标准与算法能力，助力提升全行业的商品数智化水平；