AI研究院-算法研究员-多语种大模型

一、大模型算法研发与训练： - 负责面向车载语音场景的大语言模型研发工作，包括模型选型评估、监督微调（SFT）、对齐训练（RLHF / DPO / PPO）等全流程 - 针对车载垂直领域（车控指令理解、导航交互、用车知识问答、情感陪伴等）构建高质量训练数据集，设计数据清洗、标注、增强策略 - 负责 NLU核心能力建设，包括意图识别、槽位填充、实体抽取、指代消解、多轮对话状态追踪等 - 研究并落地多模态大模型技术，融合语音、文本、视觉等多模态信息，提升座舱场景下的环境感知与意图理解能力 二、效果评估与持续迭代： - 建立车载语音大模型的系统性评估体系，涵盖通用能力评测（语言理解、推理、生成质量）和垂直场景评测（车控准确率、对话完成率、安全合规率） - 设计自动化评估 Pipeline，支持模型版本间的 A/B 对比和回归检测 - 基于线上数据闭环（数据采集 → 挖掘 → 标注 → 训练 → 部署），驱动模型能力的持续迭代升级 - 负责模型安全与对齐，确保车载场景下模型输出符合行车安全规范和内容合规要求 三、技术前瞻与团队协作： - 持续跟踪大模型前沿进展（MoE、长上下文、多模态融合、具身智能、Agent 架构等），评估新技术在车载场景的落地可行性 - 与 Prompt 工程、产品设计、数据平台等团队协作，推动语音 AI 能力的全链路优化 - 参与技术方案评审、专利撰写和学术交流，建设团队技术影响力

1. 硕士及以上学历，计算机科学、人工智能、自然语言处理、语音信号处理、数学等相关专业 2. 2年以上 NLP / 大模型相关研发经验，有完整的模型训练和上线部署经历 3. 扎实的机器学习和深度学习基础，熟悉 Transformer 架构及其变体，深入理解注意力机制、位置编码、解码策略等核心原理 4. 熟练使用 PyTorch等训练框架 5. 熟悉大模型微调技术栈（全量微调、LoRA / QLoRA、P-Tuning 等），有实际项目落地经验 6. 熟悉主流 NLP 任务（文本分类、序列标注、文本生成、语义匹配等）的算法实现 7. 具备良好的工程能力，能够编写高质量、可维护的生产级代码 8. 优秀的英文文献阅读能力，能快速跟进领域前沿论文