1. 多模态大模型研发与优化 - 负责大规模预训练模型（LLM）的设计、开发、训练及调优，包括架构创新、参数效率提升等 - 建立环卫行业的视觉感知模型和运筹学模型。 - 建立环保行业垂直大模型（如环卫车和环卫工人调度系统、设备诊断知识库等） 2. 数据处理与工程化 - 构建高质量多模态训练数据集，设计数据清洗、增强及标注策略 - 开发高效数据预处理流水线，解决大数据存储、分布式加载等工程问题 - 构建模型微调Pipeline，对接环卫作业数据、物联网、内部管理系统等数据流 - 跟踪LLM领域最新进展（如MoE、长上下文处理、多模态对齐），推动技术迭代; 3. 模型部署与性能优化 - 实现模型的高效推理部署，优化GPU/TPU资源利用率 - 研究模型服务化方案（如API服务、边缘端部署），解决延迟、吞吐量等性能瓶颈; - 探索模型蒸馏、量化、稀疏化等技术，降低计算与存储成本; 4.跨团队协作 - 与产品、业务团队深度合作，将技术能力转化为实际应用场景 - 撰写技术文档、专利及论文，推动团队技术影响力

1. 计算机科学、软件工程、数学、统计学或相关领域本科及以上学历 2. 2年以上算法研发经验，精通PyTorch框架，且满足下列条件之一： - 大模型（10B+参数）训练/微调实战经验，深入理解Transformer、注意力机制、RLHF等核心技术，具备模型源码级调优能力。理解RAG技术链实现逻辑，有自研RAG算法能力 - 熟悉Megatron-LM、DeepSpeed等分布式训练工具 ，熟练使用CUDA、TensorRT等加速库，具有模型优化部署能力。 - 熟悉计算机视觉领域，有分类/检测/分割的实际落地项目经验。熟悉传统图像算法。 - 熟悉运筹优化算法理论，有人员排班/车辆路径规划等项目经验。 加分项：具备城市服务和制造业相关经验优先；具备环保物联网数据、环卫作业数据对接经验优先；参与过环保科研项目课题研究者优先； 3. 熟悉发明专利的撰写规范，有相应经验者优先。