夸克算法实习生-大模型应用-搜索方向

1. 负责大模型核心技术研发，包括专业数据整理、大模型检索、垂域SFT、RLHF等，持续追踪和应用领域最新技术进展； 2. 负责大模型应用技术探索，包括深度思考、深度研究在多业务场景的落地研究。

1、负责大规模预训练模型在全网百亿级网页搜索引擎的定向优化及落地工作，主要参与查询理解和搜索召回以及大模型在搜索中落地进行探索应用。 2、基于海量用户行为数据以及人工标注数据，结合自然语言处理、性能优化、数据挖掘、机器学习等前沿技术，支持prompt工程、LLM微调、LLM强化学习等工作。 3、研究方向包括但是不限于大规模预训练技术、文本生成、模型蒸馏/窃取、强化学习等。

【职位前言】 DeepSeek-R1的发布给世界带来了不小的震撼，更令人敬佩的是，无论是赶超OpenAI o1的模型效果，还是节省百万美元成本的工程优化，这背后的原理与实现都在官方发布的技术报告和开源项目中一一公开。 大语言模型的前沿研究将不再只是少数巨头才玩得起的项目，更多的研究者可以入局这场对人工智能探索的新征程。 如果您对模型背后的工程优化充满好奇（FP8混合精度训练、分布式专家并行等），想深入了解并上手实践，但又没有合适的计算资源与明确的优化目标，又对模型 post-training（GRPO强化学习、模型蒸馏等等）跃跃欲试，但又没有明确的应用场景和数据资源—— 那不妨来网易云音乐，和我们搭上这趟时代的列车，一起拆解硬核技术，聚焦于音乐业务中的搜索、推荐、广告场景，探索大模型的应用落地与高效部署。 【职位描述】 1、参与大模型在后训练和推理工程中的性能优化，结合底层硬件特性从混合精度训练、矩阵计算加速、注意力机制计算优化、GPU分布式并行等方面提升工程效率； 2、通过强化学习、模型蒸馏等方式，构建音乐领域具有 CoT 推理能力的大语言模型，应用于搜索、推荐、广告等业务场景。 【我们拥有】 1、音乐行业内海量用户独一无二的数据资源； 2、贴近实际的业务场景，让 idea 落地并发挥价值； 3、可观的计算资源，性能上还有极大的空间待与你一同挖掘； 4、鼓励创新探索、倡导悉心钻研、宽松融洽多元的团队氛围； 5、成果转换的支持，合作完成项目及论文，助力未来的职业发展。

1.负责搜索推荐核心算法的研发工作，致力于提升用户体验和流量转化效率，支撑业务快速发展； 2.发展大规模深度学习等技术，利用注意力机制、记忆网络、关系网络等模块，从跨多个时空场景的海量数据中理解用户需求、发掘用户兴趣，优化点击率、转化率预估模型，为用户展示更合适、更感兴趣的美食和商品； 3.应用LLM技术、深度学习等技术，持续优化查询理解、召回、相关性等算法模块，提升搜索体验和转化效率；