工作职责：
负责公司智能算法与数据平台的整体规划与研发管理，主导分布式智能算法系统的工程化落地，构建中心化与本地化协同的智能模型体系。核心目标是实现“生成-执行-评估-优化”的闭环智能能力，支撑智能硬件设备在离线场景下的自主优化与隐私可控的知识共享。
【岗位职责】
1. 分布式智能系统架构
主导智能算法系统的整体架构设计，实现中心端通用模型与边缘端专项模型的协同工作机制。
设计并实现边缘端设备的离线优化机制，支持设备在无网络环境下持续自我进化。
构建有选择性的知识回传机制，在保障用户隐私与竞争力的前提下，实现中心知识库的持续更新。
2. 协同模型研发
负责中心端通用模型与边缘端专项模型的协同设计与迭代。
设计分布式训练策略，根据任务复杂度动态调度多个边缘设备参与协同计算，实现资源高效利用。
构建模型参数安全传输机制，确保回传数据的安全性与隐私性。
3. 闭环优化系统构建
主导“生成-执行-评估-优化”完整闭环的技术实现，支持边缘设备自主完成从方案生成到模型优化的全流程。
设计执行结果评估体系，支持对方案的自动化评估与模型优化方向判定。
构建历史执行数据管理机制，为模型持续优化提供高质量训练样本。
4. 团队建设与技术前瞻
带领算法团队完成核心技术工程化落地，逐步扩充算法工程、数据工程人才。
跟踪联邦学习、隐私计算、分布式训练等前沿技术，持续优化系统架构。
【任职要求】 1、本科及以上学历，5年以上机器学习/深度学习算法研发经验，2年以上技术团队管理经验； 2、精通PyTorch/TensorFlow等主流深度学习框架，熟悉模型训练、调优、部署全流程； 3、有分布式训练或联邦学习实践经验，了解中心端与边缘端协同架构设计；有模型加密、隐私保护相关技术经验者优先； 4、熟悉模型服务化框架（如TensorFlow Serving、TorchServe），有边缘设备模型部署经验； 5、了解离线优化机制，能设计支持设备离线自进化的模型架构； 6、熟悉数据闭环系统设计（数据采集、评估反馈、模型迭代），有构建完整模型迭代流程的经验； 7、理解分布式智能系统在垂直领域的应用价值，能平衡知识共享与隐私保护的技术实现； 8、对科研工作流、实验室设备有一定认知，能理解边缘设备离线场景的技术约束； 9、具备技术规划能力，能带领团队完成从技术方案到产品落地的全流程； 10、责任心强，跨部门协作能力强，具备出色的沟通能力及跨部门协作能力。 【加分项】 有化学、生物或医药领域背景，或了解实验室科研工作流程。 有联邦学习框架（如FATE、FedML）实践经验。 有边缘计算、物联网设备算法部署经验。 有大模型微调或应用开发经验。
任职要求：
【任职要求】 1、本科及以上学历，5年以上机器学习/深度学习算法研发经验，2年以上技术团队管理经验； 2、精通PyTorch/TensorFlow等主流深度学习框架，熟悉模型训练、调优、部署全流程； 3、有分布式训练或联邦学习实践经验，了解中心端与边缘端协同架构设计；有模型加密、隐私保护相关技术经验者优先； 4、熟悉模型服务化框架（如TensorFlow Serving、TorchServe），有边缘设备模型部署经验； 5、了解离线优化机制，能设计支持设备离线自进化的模型架构； 6、熟悉数据闭环系统设计（数据采集、评估反馈、模型迭代），有构建完整模型迭代流程的经验； 7、理解分布式智能系统在垂直领域的应用价值，能平衡知识共享与隐私保护的技术实现； 8、对科研工作流、实验室设备有一定认知，能理解边缘设备离线场景的技术约束； 9、具备技术规划能力，能带领团队完成从技术方案到产品落地的全流程； 10、责任心强，跨部门协作能力强，具备出色的沟通能力及跨部门协作能力。 【加分项】 有化学、生物或医药领域背景，或了解实验室科研工作流程。 有联邦学习框架（如FATE、FedML）实践经验。 有边缘计算、物联网设备算法部署经验。 有大模型微调或应用开发经验。