岗位职责 1、研究并实现能够在不同规模模型上通用的优化方法（包括但不限于训练范式、正则化、架构改进、优化器、loss设计、超参优化），验证其在大中小模型上的迁移性与效果； 2、针对超大规模模型，进行系统级性能优化，包括分布式训练策略、访存优化、通信优化和推理加速，提升训练与推理效率与可扩展性； 3、负责数据工程与微调流程的建设与迭代，包括高质量训练数据构建、指令微调、偏好/安全对齐及评估体系设计，提升模型在实际任务中的可靠性与一致性； 4、跟踪前沿研究，评估新技术潜力，推动模型能力边界的拓展并形成可复用的技术沉淀。 岗位要求 1、扎实的计算机科学基础，熟练掌握数据结构与算法，具有良好的工程实现能力；精通 Python，熟悉 C/C++ 或其他高性能语言者（如Triton）优先； 2、熟练使用主流深度学习框架，熟悉分布式训练/调试，及常用训练工具链； 3、有大模型训练、推理优化或强化学习实践经验，能独立设计并实施实验以验证假设； 4、良好的沟通协作能力，能和团队一起探索新技术；同时具备较强的问题分析与工程落地能力。 加分项 1、在主流会议/期刊（NeurIPS/ICML/ICLR/ACL/CVPR等）发表过相关工作者优先； 2、有主导或参与高影响力项目、系统化工程落地或高质量论文/开源贡献者优先； 3、ACM/ICPC、NOI/IOI、Top Coder等比赛获奖者优先。