工作职责：
1、 持续跟踪大模型、深度学习框架及相关算法前沿技术动态，结合实际应用场景（如车载智能座舱、自动驾驶等），识别潜在的高价值架构优化方向，输出技术洞察报告与可行性分析。
2、 基于前沿技术与场景需求，设计和验证新型大模型架构，包括 Mixture-of-Experts、稀疏激活、长上下文扩展等，完成方案立项论证与架构设计，并主导全周期研发，确保功能和性能指标达成。
3、 构建高效训练与推理 pipeline，优化分布式训练、模型压缩、量化感知训练、蒸馏及知识迁移等环节，形成可落地的优化方案和代码实现。
4、 对研发过程中的创新方法进行专利挖掘与申请，形成知识产权壁垒；跟踪和验证前沿论文成果，将创新理论转化为可训练模型并投入实际应用。
5、 独立承担大模型或小型模型端到端架构优化项目，负责从架构设计、训练、验证到高效推理的全流程落地，推动架构优化自主可控。
1、 计算机、人工智能、机器学习等相关专业硕士及以上学历，博士优先；
2、 有主流大模型（如 LLaMA、Qwen、DeepSeek、Mistral、Gemma）优化或改进经验者优先；
3、 精通 Python 与 PyTorch，具备深度学习框架源码级理解和修改能力；
4、熟悉模型并行技术（张量并行、序列并行、专家并行等），具备训练稳定性优化经验；
5、熟悉模型压缩与高效推理技术（GPTQ、AWQ、SparseGPT、蒸馏等），能显著降低模型部署成本。
任职要求：
1、 计算机、人工智能、机器学习等相关专业硕士及以上学历，博士优先；
2、 有主流大模型（如 LLaMA、Qwen、DeepSeek、Mistral、Gemma）优化或改进经验者优先；
3、 精通 Python 与 PyTorch，具备深度学习框架源码级理解和修改能力；
4、熟悉模型并行技术（张量并行、序列并行、专家并行等），具备训练稳定性优化经验；
5、熟悉模型压缩与高效推理技术（GPTQ、AWQ、SparseGPT、蒸馏等），能显著降低模型部署成本。