岗位职责
1.主导或参与车载垂直领域大模型的架构设计与开发工作：聚焦车控、导航、娱乐、问答等车载应用场景，开展预训练语言模型的结构设计、持续预训练及对齐优化（SFT/RLHF），增强模型在车载环境中的对话理解、任务完成与个性化服务能力

2.攻克大规模模型训练关键技术难题：深入实践分布式并行训练方法（数据并行、张量并行、流水线并行），优化主流训练框架（如DeepSpeed、Megatron-LM），应对千亿参数级别模型在训练过程中的性能瓶颈、显存消耗与系统稳定性问题

3.设计高效推理与落地部署方案：研究面向车规级硬件平台的轻量化推理技术，涵盖模型量化、知识蒸馏、结构剪枝以及动态批处理、KVCache压缩等手段，实现计算效率与终端资源占用的最优匹配

4.推动前沿技术落地应用：紧密跟踪学术界与产业界最新进展（如MoE架构、多模态融合、智能Agent等方向），结合实际车载业务需求进行快速实验验证与工程化转化，持续提升模型综合能力边界

5.完善AI底层能力建设：参与搭建覆盖数据预处理、预训练、微调到评估上线的全链路大模型研发体系，支撑高效迭代与规模化应用

任职要求
1.计算机科学、人工智能、数学等相关专业本科及以上学历，具备3年以上自然语言处理或深度学习相关项目研发经验

2.深入掌握Transformer核心机制，了解主流大模型（如LLaMA系列、GPT系列）的技术演进路径与内部原理

3.熟练使用PyTorch或TensorFlow框架，具有扎实的Python/C++编程能力，熟悉Linux下开发流程与工具链

4.拥有在大规模GPU集群上训练模型的实际经验，至少熟练掌握一种主流分布式训练框架（如Megatron-DeepSpeed、ColossalAI、FairScale等）

5.熟悉大模型预训练全流程核心技术环节，包括海量文本数据清洗、词表构建、预训练任务设计与实施等