（26届春招）算法工程师-AI方向- 上海

职位描述 1. 预训练方向 (Pre-training & Architecture)：探索大模型能力的边界，负责基座模型的训练与优化。探索超越Transformer的下一代架构（如SSM、MoE、Linear Attention等），优化长上下文（Long Context）与推理效率。 参与万亿级Token的高质量数据清洗、配比与合成数据（Synthetic Data）研究，探索Data-Centric AI的极限。优化Megatron-LM、DeepSpeed等训练框架，解决千卡/万卡集群下的训练稳定性与通信瓶颈。 2. 后训练与对齐方向 (Post-training & Alignment)：让模型更“懂”人类，并通过强化学习激发模型的高阶推理与泛化潜能。研发高效的SFT（监督微调）策略，探索参数高效微调（PEFT），优化多轮对话与指令遵循能力。深入研究 PPO、DPO、GRPO 等算法；探索 Online RL（在线强化学习） 机制，通过环境交互与大规模 Self-play（自我博弈），实现模型能力的自主进化。 3. 大模型评测方向 (Evaluation)：做大模型的“考官”，建立科学、客观、自动化的能力评估体系。设计针对通用能力、垂类知识、安全性及幻觉（Hallucination）的评测Benchmark。训练LLM-as-a-Judge，利用大模型评估大模型，探索评测的一致性与偏差问题。 4. 大模型应用与Agent构建 (Application & Agents)：将模型能力转化为实际生产力，构建能够解决复杂任务的智能体。研发检索增强生成技术，解决向量检索、重排序及上下文融合中的痛点。设计能够自主规划、调用工具（Tool Learning）、记忆与反思的智能体系统（如Multi-Agent协作）。

职位要求 熟练掌握Python/C++，具备优秀的代码风格和算法数据结构基础。 深入理解Transformer原理（Attention机制、位置编码、归一化等），熟悉PyTorch/TensorFlow等主流框架。 对新技术（如OpenAI最新Paper）保持极度敏感，具备快速复现前沿算法的能力。 加分项： 顶会发表： 在ICML, NeurIPS, ICLR, CVPR, ACL, EMNLP等顶级会议以一作发表过高质量论文。 开源贡献： 曾参与HuggingFace, vLLM, DeepSpeed等知名开源项目，或拥有高Star的个人Github项目。 竞赛获奖： 在ACM-ICPC, Kaggle或大模型相关挑战赛中获得Top名次。 实战经验： 曾实际参与过百亿参数（10B+）以上模型的训练、RLHF全流程或大规模RAG系统的落地。 为什么选择我们？ 算力自由： 充足的GPU资源，不再因为没有显卡而限制你的想象力。 大牛导师： 业内顶尖科学家作为Mentor，一对一指导你的职业成长。 宽容的创新环境： 我们鼓励Failed Attempts，因为伟大的算法往往诞生于无数次失败之后。