智能互联AI创新事业部-大模型蒸馏及推理加速专家/高级专家-未来生活实验室
任职要求
1. 背景：计算机、数学等相关专业硕博学历，3 年以上模型压缩或推理加速经验。 2. 核心能力（具备其一即可）： ○ 蒸馏方向：精通知识蒸馏、模型训练策略及轻量化网络设计。 ○ 加速方向：精通模型量化、剪枝技术，熟悉硬件架构及其加速原理。 3. 技术栈： ○ 熟练掌握 PyTorch/TensorFlow，熟悉主…
工作职责
1. 算法研发：负责模型蒸馏、量化、剪枝及稀疏化技术的研究与实现，提升大模型在推理端的效率。 2. 知识迁移：设计高效蒸馏方案，将千亿级模型能力迁移至轻量化模型，确保精度损失最小化。 3. 性能优化：针对 GPU、NPU进行全栈推理加速，优化算子执行逻辑，降低延迟并提升吞吐量。 4. 工具链开发：参与开发模型转换、自动压缩及加速工具链。
1、针对具体任务场景（如语音识别、机器翻译、图像理解、文本生成等），开展深度学习模型的算法设计与创新，探索新型神经网络架构（如Transformer、MoE、扩散模型等），提升模型在复杂环境下的准确性、鲁棒性与泛化能力。负责端到端建模优化，结合上下文理解、对话状态追踪或多模态融合技术，增强系统在连续交互场景中的语义理解与响应能力。构建高质量训练数据体系，设计自动化语料清洗、标注与增强方案，覆盖多语言、多方言、噪声或小样本等挑战性场景，支撑模型持续迭代。 2、参与大规模预训练模型（LLM、VL模型等）的研发与微调，包括指令微调、对齐优化、提示工程及推理加速，提升模型在下游任务中的表现。探索大模型在跨模态理解（图文、音视频）、实时生成、知识推理等场景的应用路径，推动AIGC、智能摘要、自动字幕、翻译等业务的技术升级。研发高效微调技术（LoRA、Adapter等）与模型服务架构，实现大模型在资源受限环境下的灵活部署。 3、推动模型轻量化与推理加速，应用模型压缩、量化、蒸馏、剪枝等技术，提升模型在移动端、边缘设备或云端的运行效率。协同工程团队完成算法模块的高性能集成，优化分布式训练与推理框架，保障系统低时延、高并发与稳定性。支持多平台部署（移动端、PC端、Web端、云服务），参与全链路性能调优与监控体系建设。 4、跟踪人工智能领域最新研究进展（CV/NLP/ASR/TTS/MT等），结合业务需求进行技术预研与原型验证。与产品、数据、工程团队紧密协作，深入理解用户场景，推动AI能力在实际产品中的创新应用。
• 负责AIGC应用Web 前端开发工作，从需求评审、原型评估到前端实现和上线的完整闭环。 • 与产品经理、设计师紧密合作，理解业务目标和交互方案，保障 AI 交互场景有流畅、直观的用户体验。 • 关注前端与 AI 相关的新技术、新体验形式，探索并实现前沿的AI技术，将其与产品结合，创造富有价值的产品 • 应用系统性能调优，优化产品体验，稳定性能力建设，构建鲁棒的AI应用 • 参与前端自动化测试、E2E 测试和可观测性建设，提升整体稳定性。
1. 负责AIGC应用研发，参与产品的设计和改进 2. 负责应用性能和体验优化，技术创新，通用能力的建设 3. 打造智能，极致体验的AIGC创新产品 4. 协调内外部资源，积极驱动及协同设计、测试等相关人员，有效推进并解决问题、保证项目高质量落地 5. 通过技术驱动为业务赋能，完成技术研究工作并成功落地
深入研究AI应用算法，探索LLM在深度推理、深度研究（Deep Research）、Code Agent、多模态Agent等领域的技术研究，包括 AI搜索，Plan、Tool Usage、Memory、Agent Reasoning、多模态理解等技术，推动AI技术在智能体产品应用中的突破。 探索工业级的Agent算法架构方案，提升Agent系统的执行效率和结果对齐准确度。在创新应用场景中，优化长上下文场景的Agent推理算法架构，提升Agent解决任务复杂度，探索System2技术边界。 针对重点方向如Agentic Search，Memory，进行端到端优化，包括系统算法框架设计、模型训练等，解决实际应用相关问题。 跟进大模型智能体前沿技术趋势，结合实际业务需求，将技术应用到实际业务场景；