职位&公司对比

职位详情

• 广州
• 10年以上
• 本科

• 大模型
• 算法

工作职责： 1. 参与智能座舱场景下大模型（语言/多模态）的构建、训练与优化，包括模型架构设计、预训练/微调策略制定。 2. 负责模型性能调优，通过量化（INT8/FP16）、剪枝、蒸馏等技术实现轻量化，适配高通、MTK等车机芯片平台。 3. 开发车载场景专属的模型压缩工具链。 4. 构建面向智能座舱的多模态数据集（语音指令、车内视觉、传感器数直聘据），设计数据清洗、增强与标注方案。 5. 开发数据闭环系统，实现用户行为数据采集-模型迭代-OTA升级的自动化链路。 "6. 与团队协作完成模型从云端训练到车机端侧部署的全流程适配，解决内存、算力、时延等性能瓶颈。 任职资格： 1. 精通Transformer、MoE等大模型架构，熟悉LLaMA、Qwen、DeepSeek等开源模型生态。" 2. 掌握PyTorch、Te直聘nsorFlow框架，具备千亿参数级模型训练经验者优先。 3. 熟悉模型压缩技术（量化、剪枝、知识蒸馏），了解ARM NEON指令集、GPU并行计算优化、车载NPU芯片优化等，具备端侧推理优化经验优先； 4. 熟悉NLP/CV/语音数据处理流程，掌握CLIP、Whisper等多模态模型应用； 5. 熟练使用性能分析工具（Perfetto、Systrace），能定位GPU/CPU瓶颈并提出优化方案。 6. 具备跨团队协作能力，可高效对接算法、嵌入式、产品团队，推动技术方案落地。 7. 强烈的技术好奇心与自驱力，能快速学习新技术并解决复杂问题。 JD分析总结： 该职位聚焦于智能座舱场景下大模型的研发与部署，核心需求为大模型构建优化+端侧轻量化+多模态数据闭环。候选人需来自BOSS直聘兼具前沿AI技术能力与车载芯片落地经kanzhun验，并具备跨团队协作推动力。