1.深度负责前沿大语言模型架构研究，带领团队探索并改进Transformer及其衍生架构，提升模型性能与效率； 2.开展大模型训练方法创新研究，包括预训练、指令微调、RLHF等技术的改进与优化，解决研究过程中遇到的关键难题； 3.研究并解决大模型推理过程中的幻觉、知识更新、长文本处理等关键问题，为团队提供技术指导和解决方案； 4.开发面向泛交通领域的大模型优化方案，提升模型在垂直场景的理解能力与推理能力，带领团队攻克相关技术难题； 5.设计低资源环境下的模型压缩与加速方案，研究参数高效微调方法，指导团队成员开展相关工作； 6.追踪国内外大模型最新研究成果，撰写高质量研究论文和技术专利，带领团队参与学术交流与合作。

1.学历要求：全日制硕士研究生及以上学历并具有相应学位； 2.年龄要求：40周岁及以下； 3.专业要求：计算机科学、软件工程、数据科学等相关专业； 4.经验要求：1年以上工作经验博士或3年以上工作经验硕士，拥有AI领域从业经验，1年以上大模型实战经验；扎实的机器学习和深度学习理论基础，熟悉Transformer架构及其变体，深入理解注意力机制；精通PyTorch/TensorFlow等深度学习框架，有大规模分布式训练经验；熟悉大模型核心技术，包括但不限于预训练、监督微调、RLHF、PEFT等；对大模型训练与推理过程中的性能优化、量化技术和资源效率有深入理解；在NLP/LLM领域顶级会议或期刊（ACL、EMNLP、NeurIPS、ICLR等）发表过2篇以上学术论文优先； 5.其他要求：有大模型预训练或大规模语料处理经验优先，在开源社区有贡献或维护过LLM相关项目者优先；具有良好的科研能力、团队合作能力、数据分析能力等。 专业能力特别优秀者，或具备高级专业技术职称者可适当放宽学历、年龄要求。