理想汽车【理想+】AI Infra工程师-视觉感知/强化学习-上海
任职要求
1. 硕士及以上学历，计算机科学、人工智能、自动化和应用数学等相关领域； 2. 熟练掌握Pytorch、Deepseed和Megatron-LM等AI框架的使用…
工作职责
“理想+”是理想汽车面向全球顶尖技术人才的校园招聘计划。我们期待你的加入，与理想汽车一起成长、分享收获，通过人工智能技术去改变物理世界的效率和体验，造福我们服务的每一个家庭，以及家庭里的每一位成员。 【本岗位的主要工作内容】 负责AI算法领域的技术创新研究，包括： 1. 大模型结构：设计高效的序列建模方法、Transformer变体、VLM模型结构等； 2. 模型稀疏化：研究多维度稀疏化方法，在精度损失可控的前提下降低模型参数量和算力需求； 3. 强化学习：分析LLM推理行为，探索适用于LLM的强化学习方法，推动大模型向自学习和自进化演进； 4. 与系统协同设计：基于芯片资源（带宽/算力/存储）设计高效训练和推理的算法。
“理想+”是理想汽车面向全球顶尖技术人才的校园招聘计划。我们期待你的加入，与理想汽车一起成长、分享收获，通过人工智能技术去改变物理世界的效率和体验，造福我们服务的每一个家庭，以及家庭里的每一位成员。 【本岗位的主要工作内容】 负责AI算法领域的技术创新研究，包括： 1. 大模型结构：设计高效的序列建模方法、Transformer变体、VLM模型结构等； 2. 模型稀疏化：研究多维度稀疏化方法，在精度损失可控的前提下降低模型参数量和算力需求； 3. 强化学习：分析LLM推理行为，探索适用于LLM的强化学习方法，推动大模型向自学习和自进化演进； 4. 与系统协同设计：基于芯片资源（带宽/算力/存储）设计高效训练和推理的算法。
“理想+”是理想汽车面向全球顶尖技术人才的校园招聘计划。我们期待你的加入，与理想汽车一起成长、分享收获，通过人工智能技术去改变物理世界的效率和体验，造福我们服务的每一个家庭，以及家庭里的每一位成员。 【本岗位的主要工作内容】 负责AI算法领域的技术创新研究，包括： 1. 大模型结构：设计高效的序列建模方法、Transformer变体、VLM模型结构等； 2. 模型稀疏化：研究多维度稀疏化方法，在精度损失可控的前提下降低模型参数量和算力需求； 3. 强化学习：分析LLM推理行为，探索适用于LLM的强化学习方法，推动大模型向自学习和自进化演进； 4. 与系统协同设计：基于芯片资源（带宽/算力/存储）设计高效训练和推理的算法。
“理想+”是理想汽车面向全球顶尖技术人才的校园招聘计划。我们期待你的加入，与理想汽车一起成长、分享收获，通过人工智能技术去改变物理世界的效率和体验，造福我们服务的每一个家庭，以及家庭里的每一位成员。 【本岗位的主要工作内容】 负责AI算法领域的技术创新研究，包括： 1. 大模型结构：设计高效的序列建模方法、Transformer变体、VLM模型结构等； 2. 模型稀疏化：研究多维度稀疏化方法，在精度损失可控的前提下降低模型参数量和算力需求； 3. 强化学习：分析LLM推理行为，探索适用于LLM的强化学习方法，推动大模型向自学习和自进化演进； 4. 与系统协同设计：基于芯片资源（带宽/算力/存储）设计高效训练和推理的算法。
“理想+”是理想汽车面向全球顶尖技术人才的校园招聘计划。我们期待你的加入，与理想汽车一起成长、分享收获，通过人工智能技术去改变物理世界的效率和体验，造福我们服务的每一个家庭，以及家庭里的每一位成员。 【本岗位的主要工作内容】 1. AI底层框架工程优化：构建车用AI芯片底层软件技术栈，支撑AI模型部署和推理加速。通过异构计算优化、算力共享调度等技术，提升AI底层框架性能，提升产品竞争力； 2. AI芯片软硬联合设计：与AI芯片团队深度合作，从软件视角出发分析和定义硬件设计需求，通过软硬联合设计实现差异化技术壁垒，提升芯片竞争力； 3. LLM推理加速优化：构建与LLM的分布式推理加速引擎，支撑LLM推理加速优化，包括大模型算子优化，KVcache管理优化、集合通信算子等。 【技术课题】 下一代面向智能驾驶整车操作系统技术