多模态大模型后训练算法工程师

Job description

大模型技术研发

• 负责多模态理解和视频流大模型的后训练。包括数据生产、跨模态预训练、指令微调与强化学习，结合高效训练框架，提升模型对视频流内容的理解与交互能力。

数据工程建设

• 包括数据采集、清洗、标注、存储与管理，确保数据质量、多样性与合规性，设计高效的数据清洗、标注、增强及评估流水线、为大模型训练提供坚实的数据基础。

业务落地支持

• 支持公司现有的人脸核心业务，利用大模型能力提升业务指标，增强人脸对抗攻防、虚假内容鉴别、图像视频流理解等方向的能力，解决实际业务中的困难问题。

技术前沿跟踪

• 紧跟多模态与视频流大模型前沿，专注时空序列建模、长视频上下文理解及全模态后训练技术的研发与业务落地，持续驱动AI前沿能力演进。

教育背景

• 计算机科学、人工智能、电子信息、自动化、数学等相关专业硕士及以上学历。

算法经验

• 熟悉大模型后训练流程，具备SFT、DPO/RLHF等实战经验，精通数据、策略与评测的闭环调优。

工具应用

• 熟练使用PyTorch等主流深度学习框架，具备大型模型分布式训练经验（熟练使用DeepSpeed, Megatron-LM等工具）。

业务经验

• 具有3年以上计算机视觉或者多模态大模型在实际业务落地的研发经验。

前沿技术方向

• 追踪多模态大模型与细粒度视频流理解技术，参与人脸人体多模态后训练体系的建设与研发。

核心业务场景

• 算法直接赋能公司核心人脸业务，图像视频流分析业务，拥有海量真实场景数据与高并发线上反馈。

技术能力全面

• 参与从数据清洗、SFT、偏好对齐（DPO/RLHF）到持续迭代的后训练全流程研发，培养全面技术专家。

计算资源充沛

• 提供充足的算力集群与工程协同团队支持，解决显存与吞吐痛点，助力前沿算法快速验证与高效落地。