算法工程师

Job description

AI智能体研发

• 负责多智能体协同、任务规划、记忆管理核心算法设计与云原生工程落地；通过实验调优迭代模型效果，跨团队协同实现产品商业化落地。

大模型推理优化

• 搭建稳定高效的推理服务体系，负责推理引擎调优、算子优化、量化压缩、显存/内存调度优化，降低推理时延、提升吞吐，保障线上服务高可用。

向量存储与记忆体系

• 研发向量网关、SDK及底层引擎，搭建AI智能体长期记忆框架；优化向量索引、IO链路及元数据架构，解决高并发海量数据存储性能瓶颈。

HPKV高性能缓存研发

• 负责KVCache存储、管控服务及vLLM框架开发迭代，针对GPU调度、内存通信、读写链路做全链路性能优化，保障缓存服务高效稳定运行。

大模型核心算法

• 开展大模型预训练、微调、推理优化及底层算子开发调优；通过强化学习与对齐策略迭代，提升模型泛化能力与决策质量。

云电脑智能体科研（博士专项）

• 基于多模态行为数据构建智能体任务预测与理解模型，结合模仿化学习实现自主任务执行，搭建评测体系驱动智能体持续迭代。

学历专业

• 硕士及以上；计算机、人工智能、软件工程、电子信息、数学等理工科相关专业。

通用技术能力

• 具备扎实的算法与计算机基础，熟悉大模型训推全链路；熟练掌握Python/C++/Golang任一语言，掌握Go及Shell/Python脚本开发，熟悉主流数据库及SQL。

综合素质

• 逻辑清晰、学习能力强，具备优秀的跨团队协作与问题攻坚能力，严谨负责，可高效推进项目落地。
• 方向专项要求

智能体方向

• 熟悉多智能体协同、记忆机制、RAG、任务规划，有云原生算法落地经验优先；

推理方向

• 掌握vLLM、SGLang、TensorRT等引擎，熟悉量化、算子加速、显存优化与容器化推理架构；

向量存储方向

• 理解分布式存储原理与一致性协议，精通高并发存储、索引及IO优化，有智能体记忆算法研发经验优先；

缓存方向

• 熟悉Linux、分布式存储及并行文件系统，有KVCache、共享内存通信、推理链路优化经验优先；

博士科研方向

• 精通大模型、强化学习、多模态技术，熟练使用主流深度学习框架，有Agent/云电脑相关研究或顶会论文者优先。