桥梁设计工程师

一、岗位职责 1. 大模型训练与优化 主导企业级大语言模型、多模态模型的预训练、微调（SFT/DPO/RLHF/LoRA），优化模型训练策略，提升模型准确性、性能与稳定性。 负责Transformer、Diffusion等核心架构的改进与创新，结合稀疏注意力、知识增强等技术，解决模型训练速度、推理时延等关键问题。开展多模态（文本、图像、音频）跨模态对齐与生成算法研发，支撑多场景业务应用落地。 2. 训练平台搭建与工程化部署 搭建分布式训练平台，实现模型的高效并行计算与规模化训练，优化训练资源调度与成本控制。 负责模型的量化、轻量化与容器化部署，基于Docker、Kubernetes完成集群管理与云平台服务搭建，保障千万级用户实时交互需求。 开发RESTfulAPI接口，实现模型与业务系统、AI能力平台的无缝集成。 3. 数据体系构建与优化 主导高质量语料库、训练数据集的构建，优化数据预处理、数据增强策略，开展特征工程与数据分析，保障训练数据质量。 处理TB级大规模数据，解决数据稀疏、噪声等问题，提升模型在特定领域的适配性与准确率。 4. 跨团队协作与技术赋能 与AI应用研发、产品、前端/后端团队紧密协作，梳理业务需求并转化为技术方案； 持续跟踪多模态大模型、MLOps等前沿技术，定期输出技术调研报告，推动现有系统的性能优化与功能升级。 二、任职要求 1.教育背景与工作经验  计算机科学、人工智能、机器学习、自然语言处理等相关专业本科及以上学历，硕士优先；  2年以上AI算法开发及模型训练经验，有大型企业级大语言模型、多模态模型训练经验（如自研模型增量预训练、行业定制化模型研发部署）；  有勘察设计、工程建设等ToB行业落地经验者优先。 2.核心技术能力  精通Python，具备扎实的代码风格与调试能力；熟练掌握至少一种主流深度学习框架（PyTorch优先，了解TensorFlow），能独立完成模型训练、评估与优化；  深入理解Transformer、LSTM、Diffusion等核心架构，掌握大模型LoRA、RLHF、知识蒸馏相关模型训练技术，有过基于Qwen、GLM等开源模型的行业适配经验，具备 MoE 技术相关经验者优先；  具备大规模多模态训练数据处理经验，能设计高效的数据清洗与训练数据生成方案；  熟悉AI Agent研发的相关概念，例如上下文工程、MCP、Agent Skills、RAG、长短期记忆、任务规划与分解等。 3．团队协作与沟通能力  具备优秀的跨团队协作能力，具备清晰的技术沟通与方案表达能力，可高效对接业务需求与技术实现。 4．持续学习能力  对大模型技术领域新技术保持高度敏感性，愿意持续投入学习并应用于实际工作。 5．加分项  参与过开源人工智能项目，有技术专利或学术论文发表者优先。