职位描述：
多模态/基础大模型 工作职责 1负责人工智能领域前沿算法的研发设计优化，探索人工智能的创新应用； 2负责研究人工智能在NLP多模态图计算大模型等领域的落地和创新，赋能企业产品智能化转型，提升产品竞争力； 3负责大模型工具链平台研发，支持大模型数据清洗训练编译量化推理评估等功能； 4负责NLP/CV/跨模态基础大模型研发，行业大模型知识注入精调推理等研发工作； 5负责大模型训练推理加速技术研究，解决千亿级大模型训练及推理加速关键技术问题； 6负责CV领域目标检测图像定位语义分割多目标跟踪等算法研发； 7负责AI Agent系统的架构设计与研发，探索基于大模型的自主规划工具调用记忆和复杂任务解决能力。 任职要求 1计算机人工智能数学相关专业，硕士及以上学历； 2熟悉TensorflowPytorch等AI常用算法和框架，对神经网络关键算子有深入理解； 3精通深度学习算法，熟悉NLPCV和多模态等大模型网络结构和原理，有大模型研发经验者优先； 4熟悉PythonC++等编程语言； 5学习能力强善于沟通，对技术创新充满激情，有较强的成就导向。 机器学习/计算机视觉 工作职责 1研发基于图像视频计算摄影计算机视觉多模态大模型的相关算法； 2研发轻量化视频算法（如视频HDR/视频夜景）与多摄协同（曝光/色调/变焦），提升目标检测目标分割任务相关精度； 3研究模型轻量化，优化算法模型，包括对算法微调对模型结构轻量化设计以及对模型量化剪枝蒸馏等； 4利用 CPUGPUDSPNPU等硬件，提高算法运行速度，推动算法在端侧的落地，优化能效比。 任职要求 1计算机图像处理通信信号处理电子信息等相关专业，硕士及以上学历； 2具有图像/视觉算法的实际项目研发经验； 3具备优秀的创新意识和科研动手能力，能快速吸收前沿技术成果。 AI应用 工作职责 1大模型应用研发与落地 1）负责大模型在智能运维场景的落地应用，利用AI Agent解决端到端复杂问题； 2）结合知识图谱等技术增强大模型在运维场景的专业能力（如故障问答根因分析），优化模型训练与推理效果； 2AI算法与系统优化 1）研发预测分类故障定界定位等AI模型，融合深度学习知识图谱优化算法（如PPOGRPODPO）提升模型性能与精度； 2）设计智能运维统一算法平台，优化算法在协议栈网络故障诊断等场景的工程化落地； 3基础软件与智算网络技术研究 1）研究大模型高效推理技术，包括推理引擎架构设计模型压缩与加速异构计算资源优化（GPU/CPU/专用芯片）； 2）探索智能体开发工具调度记忆管理等技术，推动智能运维的自动化决策能力； 3）参与智算网络确定性网络等前瞻性技术研究，优化网络与算力协同架构； 4技术生态与创新 持续跟踪大模型AIGC智算网络等领域技术发展，将创新成果（如自研芯片编译器算法图像识别技术）应用到智能运维中，提升产品竞争力。 任职要求 1计算机科学人工智能通信工程电子工程或数学相关专业，硕士及以上学历； 2核心技能 1）大模型与AI基础精通大模型原理及主流框架（如LangChainHugging Face），熟悉知识表示与推理技术；扎实的机器学习/深度学习理论基础，熟悉CNN/RNN/DQN等模型及优化算法（图论路由算法混合整数规划）； 2）工程能力熟练掌握Python/C++/Java者优先，具备独立开发算法模块及优化系统性能的能力；熟悉AI推理引擎开发模型压缩与异构计算加速技术者优先； 3掌握如下一项领域知识者优先 1）熟悉数据通信网络（TCP/IPQoSOpenFlow）智能运维场景（故障诊断根因分析）或智算网络架构； 2）具备软硬件经验，或芯片编译器算法设计经验； 3）具有知识图谱经验智能运维经验； 4综合能力 1）主导或深度参与过大模型应用AI系统开发智算网络/芯片相关项目者优先； 2）具备技术前瞻性视野，能独立完成技术研究论文复现与创新落地； 3）优秀的跨领域协作能力，对解决复杂问题有强烈热情。 AI Infra 工作职责 负责构建和优化公司AI基础设施的核心竞争力，提升AI系统在训练与推理场景下的性能规模可用性和易用性，推动AI技术在公司核心业务及行业客户中的高效落地。结合前沿AI技术（如基础语言大模型多模态世界模型搜索推荐系统等），设计高性能高可靠的AI基础设施，并参与软硬协同优化行业解决方案设计及生态工具链适配； 核心职责 1AI 基础设施架构与优化 1）设计并优化分布式训练与推理架构，提升模型集群训练效率推理性能及资源利用率； 2）构建高可用可扩展的AI集群管理系统，保障大规模AI任务的稳定运行（如容错弹性调度自动扩缩容）； 3）开发工具链（如自动化训练平台推理服务框架），降低AI研发门槛，提升团队协作效率； 2前沿AI技术研究与落地 探索先进AI系统与算法的结合，包括但不限于 1）参与核心AI模型架构设计，探索模型结构算法与软硬件基础设施联合优化的新技术； 2）大模型的高效训练与推理优化； 3）语言大模型多模态大模型世界模型推荐系统等方向的工程化落地； 4）将学术界/工业界前沿技术（如MoE量化稀疏压缩持续学习）等适配到公司业务场景； 3性能优化与系统开发 1）参与算子设计开发模型训练/推理性能调优； 2）构建可靠性系统，保障生产环境AI服务的SLA； 3）设计软硬协同方案，最大化硬件效能； 4）对接主流生态，确保技术栈兼容性； 4行业解决方案支持 针对客户行业需求，设计优化AI基础设施方案，解决AI落地中的性能瓶颈和工程挑战 举报