莉莉丝游戏场景设计模型训练师
任职要求
1.建筑学、环境艺术设计、园林景观、室内设计等相关专业，熟悉建筑设计基本原理和规范 2.良好的审美能力和空间想象力 3. 较强的耐心和细致的工作态度 …
工作职责
1. 负责游戏场景的生成式内容优化： 运用语义关键词引导和优化智能生成的输出结果，对生成内容进行筛选、评估与精调，确保其符合项目美术风格和设计需求。 2. 设计、测试并持续优化用于引导场景生成的关键词体系与参数组合，提升生成结果的可控性、合理性与多样性。 3. 深度评估智能工具生成的建筑结构合理性、环境布局逻辑性和整体视觉表现力。利用专业软件对生成结果进行细节完善与效果调优。 4. 通过系统记录生成参数、关键词使用、优化过程及最终效果数据，分析模型表现，建立数据反馈闭环，推动生成效果的持续提升。 5. 与开发人员紧密合作，基于实际优化经验和数据分析结果，为生成工具的效果改进与功能迭代提供关键的用户侧输入和建议。
1.探索分布式训练技术在降低训练成本中的应用。 2.研究如何优化数据并行、模型并行、流水线并行等分布式训练策略，解决分布式训练过程中的通信开销、负载均衡等问题。 3.结合实际业务场景，设计并实现高效的分布式训练方案，缩短模型训练周期，提高计算资源利用率。 4.分析数据对模型训练成本的影响，在保证模型训练效果的同时减少数据获取与处理成本。 【课题名称】 优化模型训练成本 【课题内容】 探索高效、低成本的模型训练策略，为企业降低技术研发成本的同时提升模型性能。
1. 预测模型的选型、设计、训练和优化，与团队协作完成预测模型的测试、验证和部署； 2. 构建数据标注和评测流程，并基于模型表现进行数据挖掘、数据清洗、数据配比等提升模型效果； 3. 分析路测数据中的corner场景，设计数据和模型等手段，提升该场景下模型表现并解决问题； 4. 跟踪行业前沿技术，将创新性方案应用于实际项目。
1. 基于业务场景设计数据分析模型（如用户画像、运营分析、风险预警），输出数据洞察报告。 2.开发数据挖掘与机器学习算法（如分类、聚类、预测模型），支持业务智能化决策。 3. 参与数据清洗、特征工程、模型训练与调优，推动算法落地到生产环境。 4.探索前沿技术（如AIGC、图计算）在业务场景中的应用可能性。
工作职责： 1. 端到端模型的选型、设计、训练和优化，与团队协作完成模型的测试、验证和部署； 2. 构建数据标注和评测流程，并基于模型表现进行数据挖掘、数据清洗、数据配比等提升模型效果； 3. 分析路测数据中的corner场景，设计数据和模型等手段，提升该场景下模型表现并解决问题； 4. 利用数据增广、迁移学习、对比学习和强化学习等方法，提升数据利用效率，优化模型泛化能力； 5. 跟踪行业前沿技术，将创新性方案应用于实际项目。