理想汽车基座模型-大模型算法工程师-基座及后训练算法-北京

1. 负责记忆智能体算法研发创新及落地，基于世界模型+强化学习技术，实现从专家经验到Agent端到端自主学习的技术演

参与快手大语言/多模态基座模型、业务应用的研发，工作内容包括： 1、深度参与多模态/大语言模型训练全链路开发，包括数据、预训练、后训练全流程优化; 2、设计和优化分布式训练框架，通过混合并行，通信计算overlap、低精度训练等方法解决超长序列、超大规模moe场景下的训练效率问题； 3、参与通用高性能RL框架的开发和优化； 4、算法工程co-design，探索最优的训练范式。

1.多模态端到端大模型架构探索，包括多模态编码器、多模态离散tokenizer、理解与生成统一模型架构、VLA模型架构研发、稀疏注意力高效推理架构设计等 2. 多模态端到端大模型训练范式研究，包括预训练、后训练、强化学习提升模型能力，建设自动推理、自动任务规划、工具调用的Agent能力，以及提升多模态生成和行动生成的端到端生成效果 3. 负责多模态端到端大模型的Scaling Law建设 4. 参与多模态端到端模型的探索与创新研究，打造技术影响力。

-建设在重点应用场景效果领先的VL视觉理解大模型-研究持续预训练(CPT)及退火训练技术，垂直领域基座模型； -研究垂直领域的奖励规则和奖励模型，通过强化学习后训练，提升基座模型的领域知识推理能力； -研究前沿的文本/多模态模型架构与高效的训练推理技术，在先进模型结构、对齐训练算法、强化学习、推理时scaling、高效奖励模型设计、视觉推理、机制解释等方向深入研究并产出有影响力的结果。