职位&公司对比

职位详情

• 深圳
• 10年以上
• 硕士

• 后训练/预训练
• 类O1先进后训练技术
• RLHF
• 大模型
• 多模态
• GPT/BERT
• 深度学习
• NLP

【岗位职责】： 1. 模型训练与优化 负责大模型的后训练/预训练和精调工作、开展微调、提示工程、低资源训练等技术研究、深入研究类O1等先进后训练技术、利用RLHF等强化学习方法优化模型性能、研究模型蒸馏、压缩及量化技术、负责模型性能评估与调优。 2. 数据处理与管理 负责领域数据的收集、清洗、标注及增强boss、开发和维护语料处理流程、制定数据策略，利用迁移学习、数据增强等手段、监控分析数据对模型性能的影响、建立知识体系，研究知识与大模型的集成方法。 3. 技术创新与研发 探索后训练在多模态数据、跨语言应用、领域适配等方面的应用、研究前沿大模型相关技术、提出创新解决方案、搭建和优化大模型训练框架。 4. 业务落地与协作 针对通信行业深度挖掘需求，制定解决方案、推动技术成果向产品形态转化、与算法团队和产品团队合作制定迭代计划、与工程团队协作完成模型部署和监控、确保模型在生产环境中稳定运行。 5. 性能提升与应用优化 提升模型在行业场景中的表现、优化模型生成质量、对话交互能力及稳定性、加强模型的自适应性和泛化能力、解决大规模应用中的性能瓶颈。 【任职要kanzhun求】： 1、教育与专业背景 1）硕士及以上学历（博士优先），计算机、软件工程、人工智能、数学或相关专业，10年以上工作经验。 2）具备扎实的机器学习、深度学习理论基础，对大模型以及NLP、CV、多模态等相关领域有深入了解。 2、后训练技术能力 1）至少3~5年在大型深度学习模型或预训练模型（GPT、BERT等）领域的研发经验，有“模型微调、量化、蒸馏、提示工程”等实践经验者优先。 2）熟悉类O1等先进后训练技术，对其在不同业务场景的适用性与局限性有实际应用或项目经验。 3、强化学习与模型优化 1）扎实的强化学习基础，熟悉RLHF（基于人类反馈的强化学习）在大模型后训练过程中的应用。 2）能够定义并实施强化学习策略以优化生成质量、对话交互和模型稳定性，有相关项目交付经验。 4、数据处理与管理 1）具备大规模数据收集、清洗、标注以及数据治理能力，熟悉数据增强、迁移学习等常用方法。 2）能根据不同业务或场景的需求，对数据进行系统化分析（如数据分布、噪声处理），并制定合理的数据来自BOSS直聘策略。 5、模型优化与部署 1）熟悉主流深度学习框架（如TensorFlow、PyTorch）并能实现模型蒸馏、压缩、量化等技术，提升推理效率和资源利用率。 2）具备分布式训练、模型部署、性能监控经验，能够发现并解决生产环境中的瓶颈和异常。 6、创新与研究能力 1）关注领域前沿技术（多模态学习、跨语言应用、自动化测试、形式化验证等），能结合实际业务场景进行灵活创新。 2）在国际顶级期kanzhun刊/会议发表过论文或拥有相关专利者优先，具备快速学习并输出成果的能力。 7、加分项 曾主导或深度参与过开源社区的NLP、RL相关项目，并具备一定的社区贡献或影响力。