崗位職責(zé)：

1、主導(dǎo)多模態(tài)大模型/大語言模型的全流程開發(fā)，包括預(yù)訓(xùn)練、指令微調(diào)、對(duì)齊優(yōu)化及模型部署；

2、設(shè)計(jì)高效訓(xùn)練方案，優(yōu)化分布式訓(xùn)練性能（如并行策略、混合精度訓(xùn)練），提升模型推理速度；

3、構(gòu)建跨模態(tài)數(shù)據(jù)清洗與對(duì)齊流程，處理文本-圖像-視頻-音頻等多源異構(gòu)數(shù)據(jù)；

4、探索擴(kuò)散模型（DiffusionModel）的調(diào)優(yōu)方法，結(jié)合生成任務(wù)提升模型可控性與質(zhì)量；

5、開發(fā)機(jī)器人仿真環(huán)境數(shù)據(jù)生成工具鏈，打通ROS系統(tǒng)-仿真平臺(tái)-模型訓(xùn)練閉環(huán)；

6、跟蹤前沿技術(shù)（如MoE架構(gòu)、模型輕量化），推動(dòng)團(tuán)隊(duì)技術(shù)迭代與創(chuàng)新落地。

任職要求：

1、精通大模型訓(xùn)練全流程，掌握PyTorch/TensorFlow框架及DeepSpeed/Megatron等加速工具；

2、熟悉多模態(tài)對(duì)齊技術(shù)（如CLIP、Flamingo），具備圖文/音視頻跨模態(tài)預(yù)訓(xùn)練實(shí)戰(zhàn)經(jīng)驗(yàn)；

3、深入理解模型并行、顯存優(yōu)化、量化壓縮等訓(xùn)練/推理加速方法；

4、掌握數(shù)據(jù)清洗Pipeline設(shè)計(jì)，熟悉數(shù)據(jù)增強(qiáng)、去噪及質(zhì)量評(píng)估方法；

5、熟悉擴(kuò)散模型訓(xùn)練調(diào)優(yōu)（如StableDiffusion系列），了解ControlNet/LoRA等適配技術(shù)；

6、具備機(jī)器人開發(fā)基礎(chǔ)，熟悉ROS系統(tǒng)、Gazebo/Isaac等仿真環(huán)境；

7、具備復(fù)雜問題拆解能力，能獨(dú)立完成技術(shù)方案設(shè)計(jì)與攻關(guān)，對(duì)技術(shù)前沿高度敏感，有持續(xù)學(xué)習(xí)與快速工程化能力，具備優(yōu)秀的跨團(tuán)隊(duì)協(xié)作意識(shí)，適應(yīng)敏捷開發(fā)節(jié)奏。

加分項(xiàng)：

1、參與過千億參數(shù)級(jí)大模型訓(xùn)練或開源項(xiàng)目并有貢獻(xiàn)；

2、熟悉人類反饋強(qiáng)化學(xué)習(xí)（RLHF）、DPO等對(duì)齊技術(shù)；

3、有機(jī)器人感知-決策-控制全棧開發(fā)經(jīng)驗(yàn)。