1. 拥有计算机科学、人工智能、软件工程或相关专业博士学位； 2. 熟练掌握至少一种主流深度学习框架（如PyTorch或TensorFlow），熟悉Hugging Face、OpenMMLab等主流开源生态，具备系统架构设计基础； 3. 具备扎实的数学基础（线性代数、概率论与数理统计、微积分、最优化理论）和算法分析能力；深入理解经典机器学习模型（如SVM、Boosting、贝叶斯方法）及深度学习核心架构（DNN、CNN、RNN/LSTM、Transformer）的原理与训练机制；掌握主流CV backbone（ResNet、ViT等）及目标检测、语义分割、视频理解等任务的代表性算法（YOLO系列、Faster R-CNN、Mask R-CNN、UNet等），具备模型训练、评估、调优与工程落地的完整实践经验； 4. 掌握大模型微调、提示工程、RAG、向量检索、自然语言理解与生成等关键技术，具备模型评测与数据可视化能力，能基于业务数据构建高质量微调与对齐样本； 5. 具有自然语言处理、大模型应用、推荐系统、计算机视觉、LLM数据构建及模型训练等相关项目经验；在CCF推荐A类会议或期刊发表论文者优先； 6. 具备良好的业务理解能力、技术文档编写能力与沟通协作能力。 1. 负责人工智能核心技术研发，包括行业大模型研发与应用、AI for Science、计算机视觉（CV）、自然语言处理（NLP）、机器学习（ML）及世界模型等方向的前沿算法研究、创新与架构设计； 2. 负责深度学习模型的架构设计、选型、高效调参与结构优化，并推动模型在实际业务场景中的验证与工程化落地； 3. 参与港口机械及相关智能装备领域的视觉任务算法研发，包括设备状态识别、作业安全监测、货物损伤检测等，聚焦目标检测、跟踪、图像分割等核心技术的开发与优化； 4. 主导或深度参与AI系统开发关键环节，涵盖技术选型、模型设计、核心代码实现及性能调优； 5. 负责大模型应用开发，包括基座模型选型、指令微调与对齐、RLHF、LoRA/QLoRA轻量化适配、向量数据库集成及典型场景（文本生成、知识问答、代码生成）的应用开发，设计高效推理流程，持续优化吞吐量与响应延迟； 6. 将业务需求转化为可行AI解决方案，撰写高质量技术文档，支撑产品与服务的技术迭代升级。

微信扫一扫，及时了解投递状态

您目前还没有登录：立即登录