• 外包信息请发到 /go/outsourcing 节点。
• 不要把相同的信息发到不同的节点
[北京/上海] 大模型独角兽 大模型算法/对齐/训练/推理/nlp 算法专家
TimeH · 2023-12-15 12:06:10 +08:00 via iPhone · 1605 次点击这是一个创建于 369 天前的主题，其中的信息可能已经有所发展或是发生改变。
创始人清华大学背景，具备公司上市成功经验，技术理想主义者。
核心团队由百度、华为、微软、字节、腾讯等知名大厂以及海外技术精英，业界技术大牛，科学家。
目前估值 12 亿美金以上，商业化落地产品 2B 2C 。
微信&电话：15210750729
邮箱： [email protected]
地点：北京/上海
大模型算法专家
岗位职责
1.负责基于海量数据的 NLP/视觉/多模态大模型关键技术突破，研发面向计算基座的大模型。
2.深入调研和关注大模型/多模态等方向的前沿技术
职位要求
1.参与或者领导过大规模预训练模型落地项目。
2.对预训练大模型充满热情，信仰 AGI 。
3.有自然语言处理和多模态的研发背景，对搜索/对话/机器翻译/图像生成等相关领域有深入理解优先。
分布式训练工程师
职位职责：
1. 设计和实现超大规模语言模型的分布式训练算法，并提高训练效率和稳定性。
2. 优化模型结构，提高模型的精度和泛化能力。
3. 调优训练数据，提高模型训练效果。
职位要求：
1. 精通分布式训练算法，具备超大规模模型训练的实际经验。
2. 精通深度学习算法，熟悉至少一种主流深度学习框架（例如 PyTorch 或 TensorFlow ）。
3. 熟悉常用的模型结构和优化方法，例如 CNN 、RNN 、BERT 、GPT 等。
4. 熟悉数据调优和数据增强等相关技术。
5. 具备优秀的编程和算法能力，熟练使用 Python 和 C++ 等编程语言。
6. 具备良好的沟通能力和团队协作能力，能够与跨部门团队进行有效沟通和协作。
大模型推理工程师 岗位职责：
1. 负责推理加速算法的研发和实现，包括但不限于模型剪枝、模型量化、模型蒸馏、模型压缩等。
2. 负责深度学习模型的量化和蒸馏，实现高效的模型压缩和部署，提高模型的运行效率和推理速度。
3. 负责 LLM 模型的端到端部署，包括但不限于推理引擎的开发、模型优化和压缩、模型部署的端到端流程设计等。
要求：
1. 具有深度学习推理加速和优化的经验，熟悉常见的加速技术，如剪枝、量化、分布式推理等，并能够根据不同场景和硬件平台进行针对性的优化。
2. 熟悉常见的模型量化技术，如低精度量化、动态量化等，并能够进行模型的量化优化。
3. 熟悉常见的深度学习框架，如 TensorFlow 、PyTorch 等，并能够根据业务需求进行算法实现和调试。
4. 熟悉 LLM 相关的算法技术以及推理加速方法。
5. 具备较强的团队合作和沟通能力，能够与团队成员、业务部门紧密协作，完成项目交付和技术创新。
对齐算法工程师
1.负责大模型对齐算法相关技术研究，不断提升模型逻辑推理、数学、指令跟随、代码、Planning 、多轮对话等能力；
2.持续跟进业界最新的大模型对齐算法，参与大模型对齐算法的设计、训练、调优工作；
职位要求
1.硕士及以上学历，计算机、数学或统计学等相关专业，两年及以上 NLP 相关经验；
2.熟练使用 pytorch/tensorflow 深度学习框架，熟练掌握 Transformer 框架；
3.对 LLM 有深入理解和实践，有 SFT 、RLHF 相关经验者优先；
4.较强的工程实现能力，熟练掌握 C/C++, JAVA,Python 等至少一种语言；
核心团队由百度、华为、微软、字节、腾讯等知名大厂以及海外技术精英，业界技术大牛，科学家。
目前估值 12 亿美金以上，商业化落地产品 2B 2C 。
微信&电话：15210750729
邮箱： [email protected]
地点：北京/上海
大模型算法专家
岗位职责
1.负责基于海量数据的 NLP/视觉/多模态大模型关键技术突破，研发面向计算基座的大模型。
2.深入调研和关注大模型/多模态等方向的前沿技术
职位要求
1.参与或者领导过大规模预训练模型落地项目。
2.对预训练大模型充满热情，信仰 AGI 。
3.有自然语言处理和多模态的研发背景，对搜索/对话/机器翻译/图像生成等相关领域有深入理解优先。
分布式训练工程师
职位职责：
1. 设计和实现超大规模语言模型的分布式训练算法，并提高训练效率和稳定性。
2. 优化模型结构，提高模型的精度和泛化能力。
3. 调优训练数据，提高模型训练效果。
职位要求：
1. 精通分布式训练算法，具备超大规模模型训练的实际经验。
2. 精通深度学习算法，熟悉至少一种主流深度学习框架（例如 PyTorch 或 TensorFlow ）。
3. 熟悉常用的模型结构和优化方法，例如 CNN 、RNN 、BERT 、GPT 等。
4. 熟悉数据调优和数据增强等相关技术。
5. 具备优秀的编程和算法能力，熟练使用 Python 和 C++ 等编程语言。
6. 具备良好的沟通能力和团队协作能力，能够与跨部门团队进行有效沟通和协作。
大模型推理工程师 岗位职责：
1. 负责推理加速算法的研发和实现，包括但不限于模型剪枝、模型量化、模型蒸馏、模型压缩等。
2. 负责深度学习模型的量化和蒸馏，实现高效的模型压缩和部署，提高模型的运行效率和推理速度。
3. 负责 LLM 模型的端到端部署，包括但不限于推理引擎的开发、模型优化和压缩、模型部署的端到端流程设计等。
要求：
1. 具有深度学习推理加速和优化的经验，熟悉常见的加速技术，如剪枝、量化、分布式推理等，并能够根据不同场景和硬件平台进行针对性的优化。
2. 熟悉常见的模型量化技术，如低精度量化、动态量化等，并能够进行模型的量化优化。
3. 熟悉常见的深度学习框架，如 TensorFlow 、PyTorch 等，并能够根据业务需求进行算法实现和调试。
4. 熟悉 LLM 相关的算法技术以及推理加速方法。
5. 具备较强的团队合作和沟通能力，能够与团队成员、业务部门紧密协作，完成项目交付和技术创新。
对齐算法工程师
1.负责大模型对齐算法相关技术研究，不断提升模型逻辑推理、数学、指令跟随、代码、Planning 、多轮对话等能力；
2.持续跟进业界最新的大模型对齐算法，参与大模型对齐算法的设计、训练、调优工作；
职位要求
1.硕士及以上学历，计算机、数学或统计学等相关专业，两年及以上 NLP 相关经验；
2.熟练使用 pytorch/tensorflow 深度学习框架，熟练掌握 Transformer 框架；
3.对 LLM 有深入理解和实践，有 SFT 、RLHF 相关经验者优先；
4.较强的工程实现能力，熟练掌握 C/C++, JAVA,Python 等至少一种语言；
 |
1
JoshuaBen 2023-12-15 15:51:15 +08:00
看起来是月之暗面
|
 |
2
smellyteethy 358 天前
百川吧
|
Select Language