工作職責(zé)

?1、大模型底層技術(shù)研究：深入研究大模型的核心算法（如Transformer、LoRA、MoE等）、優(yōu)化策略和訓(xùn)練方法，探索新型架構(gòu)和技術(shù)創(chuàng)新。

2、模型性能優(yōu)化：研究大模型的高效訓(xùn)練與推理方法，包括分布式訓(xùn)練、參數(shù)高效化、稀疏化等技術(shù)，提升模型性能與資源利用率。

3、技術(shù)難點(diǎn)攻關(guān)：解決大模型底層技術(shù)中的關(guān)鍵問(wèn)題，探索模型在多模態(tài)、跨領(lǐng)域等場(chǎng)景中的應(yīng)用潛力。

4、技術(shù)輸出與分享：撰寫(xiě)高質(zhì)量的技術(shù)論文、專利或技術(shù)報(bào)告，參與國(guó)內(nèi)外頂級(jí)學(xué)術(shù)會(huì)議或行業(yè)論壇，分享研究成果。

?任職要求：

1、學(xué)歷要求：計(jì)算機(jī)、人工智能、數(shù)學(xué)、統(tǒng)計(jì)學(xué)或相關(guān)專業(yè)博士學(xué)歷，2025年應(yīng)屆畢業(yè)生。

2、研究背景：在大模型、深度學(xué)習(xí)、分布式計(jì)算或相關(guān)領(lǐng)域有深入研究，發(fā)表過(guò)高水平論文（如NeurIPS、ICLR、CVPR、ACL等）。

3、技術(shù)能力： 1）熟悉主流大模型架構(gòu)（如GPT、BERT、T5等）及其底層實(shí)現(xiàn)原理。 2）熟練掌握深度學(xué)習(xí)框架（如PyTorch、TensorFlow）及分布式訓(xùn)練工具（如DeepSpeed、Horovod）。 3）具備扎實(shí)的算法基礎(chǔ)，熟悉模型壓縮、量化、蒸餾等優(yōu)化技術(shù)。

4、編程能力：精通Python，熟悉C++或CUDA者優(yōu)先。

5、創(chuàng)新能力：對(duì)技術(shù)研究有強(qiáng)烈興趣，具備獨(dú)立思考和創(chuàng)新能力，能夠快速學(xué)習(xí)和解決復(fù)雜問(wèn)題。

6、團(tuán)隊(duì)協(xié)作：具備良好的溝通能力和團(tuán)隊(duì)合作精神，能夠與跨部門團(tuán)隊(duì)高效協(xié)作。 加分項(xiàng)： 1）有大規(guī)模分布式訓(xùn)練或超大規(guī)模模型部署經(jīng)驗(yàn)。 2）熟悉大模型在多模態(tài)、跨語(yǔ)言或行業(yè)應(yīng)用中的研究方向。 3）參與過(guò)開(kāi)源大模型項(xiàng)目（如Hugging Face、OpenAI等）或有相關(guān)貢獻(xiàn)。

工作地點(diǎn)：深圳/上海--TCL鴻鵠實(shí)驗(yàn)室