关键技术方向涵盖AI大模型，NLP，AI Agent，RAG、仿真IP、AI4S，CV，高性能计算，运筹优化、机器学习……
岗位职责
负责构建LLM相关的应用技术研究，在Copilot/Agent、代码辅助编写、模型轻量化推理优化、便捷开发等多个领域应用落地，包括但不限于：
1、负责基于LLM的prompt提示工程优化、DSL定义、RAG检索排序、精准的任务规划与工具调用能力，构建目标驱动的智能体应用，降低模型幻觉，实现领域场景问答准确率、任务执行准确率显著提升；
2、负责LLM的应用推理优化，围绕模型蒸馏、推理加速、量化、性能定位、超长上下文等技术，优化大模型性能，提升大模型输出接纳率；
3、负责构建AI端到端工程能力，包括模型开发工具链、模型应用，Copilot/Agent产品或工具等，使能AI落地各产品场景，提升服务作业效率、解决方案综合竞争力。
岗位要求
1、具备机器学习和深度学习基础，熟练掌握主流大模型应用方式，包括不限于GPT、 LLaMA、GLM等预训练模型。精通大模型微调、量化、模型蒸馏、推理加速等技术，了解AI Agent技术，有成功的项目经验的优先；
2、跟踪国内外最新研究进展，具备快速阅读论文，复现论文能力，对比领域研究成果，制定优化和落地计划；
3、具有计算机科学、电子信息工程、网络协议、运筹优化、人工智能、软件工程、应用数学等专业背景的名校博士；
4、具备较强的编程能力，精通Java /Python/Scala中的一种或多种； 熟悉机器学习和深度学习的原理、算法和AI框架（Pytorch或Mindspore）；
5、在高水平国际会议和学术期刊发表过相关论文，例如在CL、NLP会议上发表过论文，入选过各种优秀人才培养计划者优先，高水平竞赛获奖经历者优先（ICPC，ACM，数学/信息学奥赛等）。