职位描述
1.多模态大模型研发与优化
1)设计并实现图文音融合的多模态大模型，攻克跨模态语义对齐、动态数据流处理等关键技术难题。
2)提升模型生成性能，支持高复杂度多模态交互场景，达成毫秒级响应能力。

2.多Agent系统算法构建
1)搭建多智能体协同架构，制定动态任务调度与博弈决策机制，应对资源竞争、动态组队等复杂环境下的策略选择问题。
2)融合博弈论与强化学习方法，设计对手行为建模模块，预判其他智能体策略趋势，提升协作效能。
3)参与规模化Agent系统的实际部署与应用。

3.垂直领域应用探索与技术创新
1)研究生成式AI与RAG技术的融合路径，增强特定行业场景下的知识推理水平。
2)关注学术与产业前沿，推动新技术方案的演进与实际落地。

职位要求
1.技术能力
1)模型开发：深入掌握Transformer结构，具备多模态模型与大语言模型实战经验。
2)工具链：熟练运用PyTorch、TensorFlow、Transformers框架，熟悉Deepspeed、Magtran等分布式训练工具。
3)算法优化：掌握SFT、RLHF、LoRA等微调方法，拥有模型压缩及轻量化部署经验者优先。
4)分布式训练：了解NCCL、Megatron-LM，具备跨节点通信调优经验者更佳。

2.项目经历
1)主导或深度参与至少1个完整的大模型全流程项目（含预训练、微调或上线部署）。
2)熟悉多模态数据处理流程，涵盖跨模态对齐、领域迁移与模型压缩端到端优化。
3)具备工业级Agent系统落地经验者优先考虑。

3.综合素质
1)具备扎实的系统设计与工程实现能力，能独立完成从零到一的技术构建。
2)学习能力强，善于攻克技术难点，快速吸收并应用新兴研究成果。
3)具备良好沟通协调能力，可与产品和工程团队紧密协作推进项目。

4.优先条件
1)在NeurIPS、ICML、CVPR等顶级会议发表过相关论文，或在Kaggle、天池等技术竞赛中取得优异成绩。
2)有开源社区贡献记录（如参与HuggingFace、PyTorch生态建设）。