{
    "schema_version": "via_ai_product_manager_jobs_v1",
    "data_type": "ai_product_manager_jobs",
    "job": {
        "job_title": "大模型算法工程师",
        "job_level": "专家",AI生成
        "work_category": "全职",AI生成
        "department": "",
        "location": "香港",
        "work_mode": "现场办公",AI生成
        "job_category": "AI模型算法工程师"AI生成
    },
    "company": {
        "company_name": "芜湖某大型汽车研发/制造公司",
        "company_industry": "汽车研发/制造",
        "company_size": "10000人以上",
        "company_website": "",
        "company_description": ""
    },
    "compensation": {
        "salary_range": {
            "min": 100000,
            "max": 150000,
            "currency": "CNY",
            "cycle": "month"
        },
        "benefits": ""
    },
    "requirements": {
        "working_years": 3,
        "degree": "博士",
        "language": "中英双语",AI生成
        "visa_support": "",
        "responsibilities": "",
        "requirements_text": "前沿探索与算法创新：\n主导研究下一代大模型架构（如MoE混合专家、Mamba线性RNN、非Transformer架构），突破现有模型的算力与性能瓶颈。\n攻克多模态对齐难题，实现⽂本、图像、视频、3D点云、传感器信号（！）的统⼀表⽰与跨模态生成。\n设计和训练具备长期规划与工具调⽤能力的复杂智能体（Agent），使大模型能自主执行涉及多步骤、多工具的复杂任务。\n后训练与对齐技术：\n深入探索超级对齐（Superalignment）、可扩展监督，以及从人类/AI反馈中强化学习（RLHF/RLHAIF）的新范式。\n研发高效的参数高效微调（如LoRA及其变体）、持续学习与模型编辑技术，提升模型的可控性与安全性。\n高效训练与推理：\n参与千亿/万亿级参数模型的分布式训练优化，研究3D并行、序列并行、重计算等策略。\n推动模型轻量化与端侧部署，研究量化、剪枝、蒸馏算法，使大模型能在边缘设备（如自动驾驶车辆、机器人）上实时运行。\n二、 任职要求（硬性门槛）\n学历背景：\n计算机科学、人工智能、数学、物理学等相关专业博士学位。\n海外顶尖院校（如MIT、Stanford、CMU等）或国内C9院校博士学历优先。\n学术影响力：\n在AI领域顶级会议（如NeurIPS、ICML、ICLR、CVPR、ACL、EMNLP）上发表至少2篇以上一作论文。\n有高引论文或开源项目（GitHub Stars > 1000）者强烈优先。\n硬核工程能力：\n精通Python/C++，熟练掌握PyTorch或JAX框架底层原理。\n具备从零搭建、调试和训练百亿级以上参数模型的实际经验，精通Megatron-LM、DeepSpeed等分布式训练框架。\n精通CUDA编程与NCCL集合通信，具备扎实的算子融合与显存优化能力。\n认证资质\n人力资源服务许可证",
        "skills": [AI生成
            "模型训练与算法优化",
            "模型微调与对齐",
            "大模型原理与能力边界",
            "编程与代码实现",
            "分布式/微服务系统设计",
            "多模态AI应用",
            "Agent系统构建",
            "快速学习与自驱"
        ],
        "preferred_qualifications": "",
        "job_highlights": ""
    },
    "contact": {
        "recruiter_name": "",
        "contact_methods": [
            {
                "type": "apply_link",
                "value": "https://www.zhipin.com/job_detail/37bee474b207b93c0nN62di9EldQ.html"
            }
        ]
    },
    "posting": {
        "posting_id": "37bee474b207b93c0nN62di9EldQ",
        "post_date": "",
        "hire_time": "",
        "update_date": "",
        "job_url": "https://www.zhipin.com/job_detail/37bee474b207b93c0nN62di9EldQ.html"
    },
    "fulltext": "前沿探索与算法创新：\n主导研究下一代大模型架构（如MoE混合专家、Mamba线性RNN、非Transformer架构），突破现有模型的算力与性能瓶颈。\n攻克多模态对齐难题，实现⽂本、图像、视频、3D点云、传感器信号（！）的统⼀表⽰与跨模态生成。\n设计和训练具备长期规划与工具调⽤能力的复杂智能体（Agent），使大模型能自主执行涉及多步骤、多工具的复杂任务。\n后训练与对齐技术：\n深入探索超级对齐（Superalignment）、可扩展监督，以及从人类/AI反馈中强化学习（RLHF/RLHAIF）的新范式。\n研发高效的参数高效微调（如LoRA及其变体）、持续学习与模型编辑技术，提升模型的可控性与安全性。\n高效训练与推理：\n参与千亿/万亿级参数模型的分布式训练优化，研究3D并行、序列并行、重计算等策略。\n推动模型轻量化与端侧部署，研究量化、剪枝、蒸馏算法，使大模型能在边缘设备（如自动驾驶车辆、机器人）上实时运行。\n二、 任职要求（硬性门槛）\n学历背景：\n计算机科学、人工智能、数学、物理学等相关专业博士学位。\n海外顶尖院校（如MIT、Stanford、CMU等）或国内C9院校博士学历优先。\n学术影响力：\n在AI领域顶级会议（如NeurIPS、ICML、ICLR、CVPR、ACL、EMNLP）上发表至少2篇以上一作论文。\n有高引论文或开源项目（GitHub Stars > 1000）者强烈优先。\n硬核工程能力：\n精通Python/C++，熟练掌握PyTorch或JAX框架底层原理。\n具备从零搭建、调试和训练百亿级以上参数模型的实际经验，精通Megatron-LM、DeepSpeed等分布式训练框架。\n精通CUDA编程与NCCL集合通信，具备扎实的算子融合与显存优化能力。\n认证资质\n人力资源服务许可证"
}