通义大语言模型基础算法研究工程师
任职要求
1. 计算机科学、人工智能、机器学习、自然语言处理等领域的博士/硕士/本科毕业生。 2. 具有LLM 系统，训练，评估 或强化学习相关方向经验。 3. 精通 Pytorch, Jax 等深度学习框架，具有较强的代码工程能力。 加分项： 1. 熟悉LLM的训练（如VeRL）和推理（如vLLM，SG…
工作职责
团队介绍： LLM research 团队是隶属于阿里巴巴通义实验室的前沿研究团队，致力于解决大语言模型发展过程中的长期性、基础性挑战。我们的使命是打造具备通用智能的下一代AI系统，让模型真正具备深度推理、规划与复杂问题求解的能力，跨越任务与领域边界，从而在各类真实任务中展现可靠而深刻的智能。 1. 有效评估模型能力：建立系统性的评估方法与指标，准确刻画模型的行为表现与能力边界。 2. 探索模型的能力缺陷：挖掘当前主流模型在关键任务中的局限，理解其失败模式与成因。 3. 理解模型训练机制与问题：深入剖析大模型训练中的核心机制与潜在问题，为新范式设计提供理论支持。 4. 定义与探索更优训练范式：在实践中推动训练方法的演进，从而训练出更强大、更可靠、更智能的模型。
中台稠密引擎组，是小红书负责建设通用深度学习训练推理引擎的团队，面向全公司LLM、多模态LLM、SD、传统CV&NLP等稠密计算型模型训练与推理的业务场景，打造高效、易用、业界领先的训练与推理引擎，为小红书社区、商业化、安全等众多业务方向提供先进的引擎能力，支撑业务持续提升训练推理效率、模型迭代效率与算法研发效率。 1、参与设计和实现深度学习后训练及微调的前沿算法（包括但不限于RFT、RLHF等），以适应多样化的业务场景； 2、结合业务数据和场景，评估选择最适合的微调算法，以支撑业务大语言模型（LLM）微调指标的提升； 3、与数据团队紧密合作，深入理解数据特性，参与设计实现数据提质算法引擎工具，产出高质量数据集提升模型微调效果； 4、与公司内各算法团队深度合作，参与或负责大语言模型、多模态大模型等业务场景的后训练端到端效果提升及落地； 5、密切关注业界 LLM 微调算法和数据提质领域的前沿论文，并整合新技术和算法到训练引擎中，提升框架的领先性；
-负责大模型应用开发平台的算法设计与优化，提升开发者在平台上的体验与应用效率 -研究并应用前沿的深度学习和机器学习算法，推动大模型在实际业务场景中的应用落地，重点关注RAG、Agent、工作流等能力方向 -深入掌握Function Call，代码解释器，Post-training等原理及常用方法 -与产品、工程团队紧密合作，理解业务需求，制定相应的算法解决方案 -持续优化算法的效率和效果，确保平台的高性能和高可用性
1.负责美团搜索查询理解、召回、排序各阶段的算法模型优化，提升搜索效果。 2.负责美团搜索前沿技术探索，包括大模型技术在搜索场景的落地应用。
1、负责音乐相关业务的大语言模型的研发和应用，相关研发技术和解决方案在抖音、汽水音乐等产品中应用，满足音乐相关业务场景中的用户不断增长的智能交互需求，全面提升用户在音乐相关的创作和消费场景的体验； 2、参与音乐相关大模型的研发，如音乐预训练、音乐多模态模型等； 3、参与大模型技术在音乐场景中的探索和相关应用落地，如音乐搜推、音乐助手、视频配乐等； 4、在音乐人工智能领域开展前沿研究，在未来生活中的更多音乐相关的使用场景的深入研究和探索。