AI开发工程师

AI开发工程师

岗位职责：

自然语言处理方向参与：
1、参与与nlp/llm相关的任务，涵盖但不限于文本翻译、内容续写、信息摘要等；
2、负责相关服务的维护与性能优化，开展NLP及多模态模型的微调、训练与部署工作；

文字转音频方向参与：
1、参与tts与llm结合的任务，构建并完善对应的算法服务体系；
2、承担服务的持续运维和优化，推进音频处理及多模态模型的训练、微调与上线部署；

AI素材生成方向参与：
1、参与图像生成、视频生成、精彩片段自动剪辑、视频内容总结等相关任务，搭建支撑性算法服务；
2、负责服务稳定性提升与效率优化，执行计算机视觉及多模态模型的训练、微调与部署工作；

岗位要求：

1、具备机器翻译或llm相关实践经验（包括API调用、开源模型使用或模型训练经历）；
2、熟悉大语言模型基本原理，具备一定的提示工程实践能力；
3、具有tts相关项目经验（如接口调用、开源模型部署、模型微调或训练）；
4、了解asr、tts、音色克隆等音频领域常用算法模型（至少在一个细分方向有较深理解），如梅尔频谱倒谱系数、wav2vec、whisper等；
5、具备CV方向实际经验（包括API调用、开源模型部署、模型微调或训练）；
6、掌握图像分类、目标检测、语义分割、内容生成等任务中的主流模型算法（至少精通其中一个方向）；
7、综合素质良好，具备主动性、责任心，学习能力强且思维敏捷；

加分项：

1、能熟练运用docker完成算法服务的部署与发布，掌握消息队列相关基础组件；
2、对深度学习核心机制有深入理解（理论基础越扎实越优），例如tokenizer机制、attention结构、位置编码方式；
3、熟练掌握pytorch或tensorflow任一深度学习框架；
4、拥有llm实际应用经验（包括API集成、模型部署、智能体开发、参数微调或完整训练流程）；
5、代码规范严谨，数学功底扎实，熟练操作linux系统；
6、具备使用docker进行模型上线的能力，熟悉常用消息队列工具的基础使用；
7、理解深度学习基本原理，包括tokenizer设计、attention机制、位置编码方法；
8、熟练使用pytorch或tensorflow框架进行模型开发；
9、有llm项目实战经验（如接口调用、模型部署、智能体构建、微调或训练）；
10、编程习惯良好，具备扎实的数学基础，熟悉linux环境操作；
11、可利用docker实现算法服务化部署，了解消息队列相关底层库；
12、对计算机视觉领域的深度学习算法有较深认知（基础越牢固越佳），如cnn、diffusion模型、flowmatching方法，以及tokenizer、attention、位置编码等关键技术；
13、熟练运用pytorch或tensorflow框架；
14、具备视觉多模态方向实践经验（包括API调用、模型部署、智能体搭建、微调或训练）；
15、有文本生成图像、文本生成视频等相关项目经历（涵盖接口使用、模型部署、智能体开发、微调或训练）；
16、代码风格优良，数学基础深厚，熟练使用linux操作系统