{
    "schema_version": "via_ai_product_manager_jobs_v1",
    "data_type": "ai_product_manager_jobs",
    "job": {
        "job_title": "【2027校招】AI大模型/数据/算法/软件/后端",
        "job_level": "",AI生成
        "work_category": "",AI生成
        "department": "",
        "location": "深圳·福田区·福田保税区",
        "work_mode": "",AI生成
        "job_category": "研发"AI生成
    },
    "company": {
        "company_name": "深圳元戎启行科技",
        "company_industry": "人工智能",
        "company_size": "1000-9999人",
        "company_website": "",
        "company_description": ""
    },
    "compensation": {
        "salary_range": {
            "min": 20000,
            "max": 40000,
            "currency": "CNY",
            "cycle": "month"
        },
        "benefits": ""
    },
    "requirements": {
        "working_years": "",
        "degree": "本科",
        "language": "",AI生成
        "visa_support": "",
        "responsibilities": "",
        "requirements_text": "毕业时间：2027年\n\n需要内部推荐请找我！\n【自动驾驶算法】\n感知算法工程师\n规划算法工程师\n端到端算法工程师\nSLAM算法⼯程师\n导航地图算法⼯程师\n强化学习算法⼯程师\n系统评测工程师\n【AI 与大模型】\n⼤模型算法工程师\nAI Agent 算法工程师\n训练优化工程师\n数据生成算法工程师\n【数据工程】\n数据挖掘工程师\n数据湖仓工程师\n【工程开发】\n软件工程师\n后端开发工程师\n前端开发工程师\nAI Infra工程师\n【产品 / 项目 / 商业】\n产品经理\n项目经理\n商业分析师\n【运营与品牌】\n品牌及艺术创意专员\n用户增长运营专员\n【AI 与大模型】\n【2027秋招】大模型算法工程师\n【你将参与什么】\n大模型正在从互联网走进物理世界。你将探索VLM/VLA在自动驾驶中的应用——让车不仅能“看”，还能“理解”和“推理”。你在做的不再是传统感知任务，而是让大模型在封闭道路中拥有常识。\n【你的工作内容】\n大模型应用落地：探索多模态大模型（VLM）在长尾场景理解、数据自动标注、场景生成、模型评测中的应用。\n模型微调与适配：参与VLM的SFT、RLHF全流程，探索自动驾驶场景下的数据配比与prompt engineering。\nVLA前沿探索：参与视觉-语言-动作模型的设计与训练，推动大模型从“理解”走向“决策”。\n架构优化：探索大模型在车端部署的可行性，参与量化、蒸馏等压缩技术的实践。\n【对你的期待】\n计算机、人工智能等专业。\n扎实的Python与PyTorch能力。\n有LLM/VLM微调、RLHF/RAG或Diffusion Model实战经验。\n熟悉Transformer架构，理解注意力机制的底层原理。\n【加分项】\n在ACL/EMNLP/NeurIPS/ICLR/CVPR等发表过论文。\n有大模型头部实验室（如智源/清华/北大/上海AI Lab等）实习经历。\n参与过开源大模型项目（LLaMA/Qwen/DeepSeek等）。\n【2027秋招】AI Agent 算法工程师\n职位描述\n参与 AI Agent 的设计与开发，负责特定领域诊断/分析 Agent 的 Prompt 设计与效果迭代；\n通过 Chain-of-Thought、多轮推理等策略优化 Agent 在复杂场景下的准确率和鲁棒性；\n构建和维护评测数据集（Benchmark），定义评估指标，量化分析 Agent 效果并持续改进；\n与团队协作完成 Agent Pipeline 的集成与调试，推动 Agent 能力的实际落地。\n职位要求\n计算机、人工智能、软件工程等相关专业在读硕士或优秀本科生；\n熟悉 Python 编程，有实际项目经验；\n了解大语言模型基本原理，有使用 LLM API（如 OpenAI、Claude、Gemini 等）的实际经验；\n对 Prompt Engineering 有实践经验或浓厚兴趣，了解 Few-shot、CoT、Tool-calling 等常见技术；\n具备良好的逻辑分析能力，能够从复杂问题中提炼规则和判断标准；\n主动性强，善于沟通，能在快节奏的研发环境中高效协作。\n加分项\n有 LangChain / LangGraph 等 Agent 框架使用经验；\n有多模态模型（VLM）相关项目经验，如图像理解、视频分析等；\n有 RAG、知识库问答或结构化数据分析相关经验；\n熟悉 Cursor / Claude 等 AI 辅助开发工具。\n【2027秋招】训练优化工程师\n工作内容：\n框架可用性拓展：负责自动驾驶大模型分布式训练框架的可用性优化，降低模型接入的成本。\n稳定性与可观测性建设：建设训练集群的监控与告警体系，实时追踪训练吞吐、网络通信、集群健康度等指标，参与长周期训练的自动容错与断点续训优化。\n全链路性能调优（Profiling）：使用专业调优工具（如 TensorBoard, Nsight）对大模型训练进行性能画像（Profiling），找出计算、通信和 I/O 上的长尾卡点，并进行优化。\n岗位要求：\n教育背景：计算机、软件工程、电子信息、系统结构等相关专业。\n底层功底：精通 C/C++ 或 Python，对计算机体系结构（如 CPU 缓存、内存管理、多线程/多进程）有扎实的理解。\n框架了解：熟练使用 PyTorch，了解其底层的分布式训练基本概念（如 DDP、数据并行）。\n系统基础：熟悉 Linux 操作系统原理，掌握基本的 Shell 脚本编写。\n加分项：\n选修或自学过 CUDA 编程，写过简单的自定义算子，或了解 GPU 硬件架构。\n在校期间有分布式系统、高性能计算（HPC）、或者深度学习模型工程化部署（TensorRT等）的实验/项目背景。\n【2027秋招】数据生成算法工程师\n【你将参与什么】\n高质量数据是自动驾驶的燃料，而3D重建与AIGC正在重新定义数据的生产方式。你将融合NeRF/3DGS的场景重建和扩散模型/视频生成的创造力，为算法训练造出源源不断的“虚拟燃料”。\n【你的工作内容】\n1.场景重建：基于SfM/MVS/SLAM实现3D场景重建，或利用NeRF/3DGS进行新视角合成。\n2.生成式数据创造：利用扩散模型（Stable Diffusion/Flux等）生成多样化驾驶场景图像或视频。\n3.工具链构建：协助搭建从数据生成、质量评估到训练反馈的自动化管线。\n【对你的期待】\n1.人工智能/计算机图形学/数学等专业在读。\n2.熟练使用Python、PyTorch，了解C++/CUDA更佳。\n3.有NeRF/3DGS项目经验，或对扩散模型/VAE/GAN有实践经验。\n4.在SIGGRAPH/CVPR/ICCV等发表过论文或参与开源项目者优先。\n【数据工程】\n【2027秋招】数据挖掘工程师\n工作内容\n数据处理与筛选：参与自动驾驶大规模图像、点云和车载传感器数据的预处理，协助构建自动化数据挖掘、清洗流程。\n场景挖掘支持：协助算法工程师利用聚类、分类或异常检测等基础算法，从日常海量数据中识别出高价值场景（如极端天气、突发路况、复杂交互等）。\n数据质量分析：负责对挖掘出的数据集进行统计和可视化分析，协助评估训练数据的多样性与质量。\n岗位要求\n教育背景：计算机、自动化、数学、统计学等相关专业。\n编程基础：熟练掌握 Python，具有良好的编程习惯，熟悉常见的数据结构与算法。\n算法基础：了解基本的机器学习/深度学习概念，能够使用 PyTorch 或 TensorFlow 跑通基础的分类、聚类或回归模型。\n基本功：了解基础的统计学知识（如概率分布、样本采样），能够使用 Pandas、NumPy 等工具进行数据分析。\n加分项\n在校期间有机器学习、计算机视觉（CV）、大模型等相关经验。\n熟悉 Linux 开发环境，了解 Git 代码管理。\n【2027秋招】数据湖仓工程师\n工作内容：\n数据管线开发：使用 Spark/Flink 参与自动驾驶车端回传数据的 ETL（提取、转换、加载）流水线开发。\n湖仓日常运维：参与分布式存储与湖仓表（如 Iceberg/Hudi）的日常维护、Schema 变更与数据校验。\n查询支持与优化：协助算法团队编写高效的 SQL 查询，提取训练所需的元数据，逐步参与查询性能调优。\n岗位要求：\n教育背景：计算机、软件工程、数据科学、信息管理等相关专业。\nSQL基本功：精通 SQL，能够熟练编写复杂的查询语句，理解基本的数据库原理（索引、事务、执行计划）。\n开发语言：熟悉 Java、Scala 或 Python 至少一种，具备扎实的面向对象编程思想。\n大数据概念：了解大数据生态的基本概念，知道 Hadoop、Spark 或 Hive 的基本原理，并在学校或实验室环境中有过简单的使用经验。\n加分项：\n了解数据湖（Apache Iceberg / Hudi / Delta Lake）的开源概念，或者在 Linux 下搭建过 Hadoop/Spark 伪分布式集群。\n具备良好的沟通能力和文档习惯，对非结构化数据（视频、音频、点云）管理感兴趣。\n【工程开发】\n【2027秋招】软件工程师\n职位描述 ：\n深度参与自动驾驶硬件、驱动、算法、数据闭环、仿真平台、智驾准出等模块的开发。推进高级别辅助驾驶落地量产业务，打造更智能、更高效、更安全的人类出行方式。\n职位要求：\n1. 熟练掌握C/C++、Python、Go中至少一门开发语言；\n2. 有Linux平台上的开发经验，有ROS开发经验，熟练掌握Git等工具；\n3. 对学习新知识充满热情；愿意学习新的编程语言、软件开发技能以及智能驾驶领域的新知识；\n4. 有团队合作意识，有主人翁意识，愿意以积极主动的心态迎接工作中的挑战，与团队一起完成目标。\n加分项：\n1. 相关领域Master或PhD教育经历；\n2. 丰富的工程项目相关的实习或工作经历；\n3. 有参与开源代码库经历；\n4. 有ACM获奖经历；\n5. 熟悉TCP/IP、HTTPS/2.0、WebScoket通讯协议，对常见的RPC调用有一定使用经验。\n【2027秋招】后端开发工程师\n【你将参与什么】\n你写的代码将调度真实的Robotaxi车队，处理5G远程接管的毫秒级通信，保证高并发下的订单派发和车辆协同。这不是课堂里的玩具项目，而是直面商业化运营的分布式系统挑战。\n【你的工作内容】\n参与Robotaxi运营后台的开发与维护，包括：\n1. 订单派发与车辆调度逻辑。\n2. 远程接管（5G云代驾）模块。\n3. 合规数据上报与云端协同。\n【对你的期待】\n1. 计算机相关专业本科及以上，对自动驾驶/大任务流调度有兴趣。\n2. 熟练掌握至少一门主流语言（C++/Go/Java等），代码可读性好。\n3. 有NOI/ACM获奖经历或参与过大型开源项目者优先。\n【2027秋招】前端开发工程师\n【你将参与什么】\n你构建的Web界面，将帮助算法工程师可视化海量驾驶数据、管理模型实验、监控车端状态。你是连接人与AI的“界面建筑师”。\n【你的工作内容】\n1. 负责移动端H5和业务平台的前端页面设计与开发。\n2. 参与UI组件库建设和前端工程化（构建工具、性能优化）。\n3. 与产品、后端协作，推动需求落地和版本交付。\n【对你的期待】\n1. 计算机相关专业，扎实的HTML/CSS/JS基础，熟悉Vue或React。\n2. 了解小程序开发或跨端框架，有实际项目经验。\n3. 逻辑清晰，代码质量意识强。\n【2027秋招】AI Infra工程师\n【你将参与什么】\n大模型（VLA/World Model/Foundation Model等）的分布式训练和车端芯片部署，是当今 AI 工程化最困难的问题之一。你将参与构建支撑“端到端”智驾的大模型底座，在有限算力与显存约束下，压榨出极致性能。如果你对分布式训练并行策略、GPU 原语、Transformer 推理加速和编译器后端着迷，这里是个理想的实践场。\n【你的工作内容】\n1. 大模型训练加速：协助开发大规模分布式训练框架，RL训练框架，探索混合精度训练（FP8/BF16），解决千卡集群下的通信瓶颈与 MFU 优化等问题。\n2. 训练数据吞吐引擎：针对智驾所需的视频流数据，优化高性能数据加载器（DataLoader）与分布式缓存系统，提升多模态数据的 IO 效率。\n3. 模型量化和部署：参与推理引擎与高性能算子的设计与优化，参与模型结构优化（剪枝、蒸馏）及量化工具开发，帮助大模型“减肥上车”并确保精度闭环。\n【对你的期待】\n1. 计算机相关专业，熟练掌握 C++/Python，具备扎实的计算机体系结构知识。\n2. 对深度学习框架底层有好奇，熟悉 Transformer 架构，有 CUDA/Triton 经验或 ACM 竞赛经历者优先。\n3. 有分布式训练（Megatron/DeepSpeed）、推理加速（vLLM/TensorRT-LLM）或模型量化经验者优先。",
        "skills": [AI生成
            "AI大模型",
            "数据处理",
            "算法",
            "软件开发"
        ],
        "preferred_qualifications": "",
        "job_highlights": ""
    },
    "contact": {
        "recruiter_name": "",
        "contact_methods": [
            {
                "type": "apply_link",
                "value": "https://www.zhipin.com/job_detail/cd1340e68cb04de50nF_39y_GFJQ.html"
            }
        ]
    },
    "posting": {
        "posting_id": "cd1340e68cb04de50nF_39y_GFJQ",
        "post_date": "",
        "hire_time": "",
        "update_date": "",
        "job_url": "https://www.zhipin.com/job_detail/cd1340e68cb04de50nF_39y_GFJQ.html"
    },
    "fulltext": "毕业时间：2027年\n\n需要内部推荐请找我！\n【自动驾驶算法】\n感知算法工程师\n规划算法工程师\n端到端算法工程师\nSLAM算法⼯程师\n导航地图算法⼯程师\n强化学习算法⼯程师\n系统评测工程师\n【AI 与大模型】\n⼤模型算法工程师\nAI Agent 算法工程师\n训练优化工程师\n数据生成算法工程师\n【数据工程】\n数据挖掘工程师\n数据湖仓工程师\n【工程开发】\n软件工程师\n后端开发工程师\n前端开发工程师\nAI Infra工程师\n【产品 / 项目 / 商业】\n产品经理\n项目经理\n商业分析师\n【运营与品牌】\n品牌及艺术创意专员\n用户增长运营专员\n【AI 与大模型】\n【2027秋招】大模型算法工程师\n【你将参与什么】\n大模型正在从互联网走进物理世界。你将探索VLM/VLA在自动驾驶中的应用——让车不仅能“看”，还能“理解”和“推理”。你在做的不再是传统感知任务，而是让大模型在封闭道路中拥有常识。\n【你的工作内容】\n大模型应用落地：探索多模态大模型（VLM）在长尾场景理解、数据自动标注、场景生成、模型评测中的应用。\n模型微调与适配：参与VLM的SFT、RLHF全流程，探索自动驾驶场景下的数据配比与prompt engineering。\nVLA前沿探索：参与视觉-语言-动作模型的设计与训练，推动大模型从“理解”走向“决策”。\n架构优化：探索大模型在车端部署的可行性，参与量化、蒸馏等压缩技术的实践。\n【对你的期待】\n计算机、人工智能等专业。\n扎实的Python与PyTorch能力。\n有LLM/VLM微调、RLHF/RAG或Diffusion Model实战经验。\n熟悉Transformer架构，理解注意力机制的底层原理。\n【加分项】\n在ACL/EMNLP/NeurIPS/ICLR/CVPR等发表过论文。\n有大模型头部实验室（如智源/清华/北大/上海AI Lab等）实习经历。\n参与过开源大模型项目（LLaMA/Qwen/DeepSeek等）。\n【2027秋招】AI Agent 算法工程师\n职位描述\n参与 AI Agent 的设计与开发，负责特定领域诊断/分析 Agent 的 Prompt 设计与效果迭代；\n通过 Chain-of-Thought、多轮推理等策略优化 Agent 在复杂场景下的准确率和鲁棒性；\n构建和维护评测数据集（Benchmark），定义评估指标，量化分析 Agent 效果并持续改进；\n与团队协作完成 Agent Pipeline 的集成与调试，推动 Agent 能力的实际落地。\n职位要求\n计算机、人工智能、软件工程等相关专业在读硕士或优秀本科生；\n熟悉 Python 编程，有实际项目经验；\n了解大语言模型基本原理，有使用 LLM API（如 OpenAI、Claude、Gemini 等）的实际经验；\n对 Prompt Engineering 有实践经验或浓厚兴趣，了解 Few-shot、CoT、Tool-calling 等常见技术；\n具备良好的逻辑分析能力，能够从复杂问题中提炼规则和判断标准；\n主动性强，善于沟通，能在快节奏的研发环境中高效协作。\n加分项\n有 LangChain / LangGraph 等 Agent 框架使用经验；\n有多模态模型（VLM）相关项目经验，如图像理解、视频分析等；\n有 RAG、知识库问答或结构化数据分析相关经验；\n熟悉 Cursor / Claude 等 AI 辅助开发工具。\n【2027秋招】训练优化工程师\n工作内容：\n框架可用性拓展：负责自动驾驶大模型分布式训练框架的可用性优化，降低模型接入的成本。\n稳定性与可观测性建设：建设训练集群的监控与告警体系，实时追踪训练吞吐、网络通信、集群健康度等指标，参与长周期训练的自动容错与断点续训优化。\n全链路性能调优（Profiling）：使用专业调优工具（如 TensorBoard, Nsight）对大模型训练进行性能画像（Profiling），找出计算、通信和 I/O 上的长尾卡点，并进行优化。\n岗位要求：\n教育背景：计算机、软件工程、电子信息、系统结构等相关专业。\n底层功底：精通 C/C++ 或 Python，对计算机体系结构（如 CPU 缓存、内存管理、多线程/多进程）有扎实的理解。\n框架了解：熟练使用 PyTorch，了解其底层的分布式训练基本概念（如 DDP、数据并行）。\n系统基础：熟悉 Linux 操作系统原理，掌握基本的 Shell 脚本编写。\n加分项：\n选修或自学过 CUDA 编程，写过简单的自定义算子，或了解 GPU 硬件架构。\n在校期间有分布式系统、高性能计算（HPC）、或者深度学习模型工程化部署（TensorRT等）的实验/项目背景。\n【2027秋招】数据生成算法工程师\n【你将参与什么】\n高质量数据是自动驾驶的燃料，而3D重建与AIGC正在重新定义数据的生产方式。你将融合NeRF/3DGS的场景重建和扩散模型/视频生成的创造力，为算法训练造出源源不断的“虚拟燃料”。\n【你的工作内容】\n1.场景重建：基于SfM/MVS/SLAM实现3D场景重建，或利用NeRF/3DGS进行新视角合成。\n2.生成式数据创造：利用扩散模型（Stable Diffusion/Flux等）生成多样化驾驶场景图像或视频。\n3.工具链构建：协助搭建从数据生成、质量评估到训练反馈的自动化管线。\n【对你的期待】\n1.人工智能/计算机图形学/数学等专业在读。\n2.熟练使用Python、PyTorch，了解C++/CUDA更佳。\n3.有NeRF/3DGS项目经验，或对扩散模型/VAE/GAN有实践经验。\n4.在SIGGRAPH/CVPR/ICCV等发表过论文或参与开源项目者优先。\n【数据工程】\n【2027秋招】数据挖掘工程师\n工作内容\n数据处理与筛选：参与自动驾驶大规模图像、点云和车载传感器数据的预处理，协助构建自动化数据挖掘、清洗流程。\n场景挖掘支持：协助算法工程师利用聚类、分类或异常检测等基础算法，从日常海量数据中识别出高价值场景（如极端天气、突发路况、复杂交互等）。\n数据质量分析：负责对挖掘出的数据集进行统计和可视化分析，协助评估训练数据的多样性与质量。\n岗位要求\n教育背景：计算机、自动化、数学、统计学等相关专业。\n编程基础：熟练掌握 Python，具有良好的编程习惯，熟悉常见的数据结构与算法。\n算法基础：了解基本的机器学习/深度学习概念，能够使用 PyTorch 或 TensorFlow 跑通基础的分类、聚类或回归模型。\n基本功：了解基础的统计学知识（如概率分布、样本采样），能够使用 Pandas、NumPy 等工具进行数据分析。\n加分项\n在校期间有机器学习、计算机视觉（CV）、大模型等相关经验。\n熟悉 Linux 开发环境，了解 Git 代码管理。\n【2027秋招】数据湖仓工程师\n工作内容：\n数据管线开发：使用 Spark/Flink 参与自动驾驶车端回传数据的 ETL（提取、转换、加载）流水线开发。\n湖仓日常运维：参与分布式存储与湖仓表（如 Iceberg/Hudi）的日常维护、Schema 变更与数据校验。\n查询支持与优化：协助算法团队编写高效的 SQL 查询，提取训练所需的元数据，逐步参与查询性能调优。\n岗位要求：\n教育背景：计算机、软件工程、数据科学、信息管理等相关专业。\nSQL基本功：精通 SQL，能够熟练编写复杂的查询语句，理解基本的数据库原理（索引、事务、执行计划）。\n开发语言：熟悉 Java、Scala 或 Python 至少一种，具备扎实的面向对象编程思想。\n大数据概念：了解大数据生态的基本概念，知道 Hadoop、Spark 或 Hive 的基本原理，并在学校或实验室环境中有过简单的使用经验。\n加分项：\n了解数据湖（Apache Iceberg / Hudi / Delta Lake）的开源概念，或者在 Linux 下搭建过 Hadoop/Spark 伪分布式集群。\n具备良好的沟通能力和文档习惯，对非结构化数据（视频、音频、点云）管理感兴趣。\n【工程开发】\n【2027秋招】软件工程师\n职位描述 ：\n深度参与自动驾驶硬件、驱动、算法、数据闭环、仿真平台、智驾准出等模块的开发。推进高级别辅助驾驶落地量产业务，打造更智能、更高效、更安全的人类出行方式。\n职位要求：\n1. 熟练掌握C/C++、Python、Go中至少一门开发语言；\n2. 有Linux平台上的开发经验，有ROS开发经验，熟练掌握Git等工具；\n3. 对学习新知识充满热情；愿意学习新的编程语言、软件开发技能以及智能驾驶领域的新知识；\n4. 有团队合作意识，有主人翁意识，愿意以积极主动的心态迎接工作中的挑战，与团队一起完成目标。\n加分项：\n1. 相关领域Master或PhD教育经历；\n2. 丰富的工程项目相关的实习或工作经历；\n3. 有参与开源代码库经历；\n4. 有ACM获奖经历；\n5. 熟悉TCP/IP、HTTPS/2.0、WebScoket通讯协议，对常见的RPC调用有一定使用经验。\n【2027秋招】后端开发工程师\n【你将参与什么】\n你写的代码将调度真实的Robotaxi车队，处理5G远程接管的毫秒级通信，保证高并发下的订单派发和车辆协同。这不是课堂里的玩具项目，而是直面商业化运营的分布式系统挑战。\n【你的工作内容】\n参与Robotaxi运营后台的开发与维护，包括：\n1. 订单派发与车辆调度逻辑。\n2. 远程接管（5G云代驾）模块。\n3. 合规数据上报与云端协同。\n【对你的期待】\n1. 计算机相关专业本科及以上，对自动驾驶/大任务流调度有兴趣。\n2. 熟练掌握至少一门主流语言（C++/Go/Java等），代码可读性好。\n3. 有NOI/ACM获奖经历或参与过大型开源项目者优先。\n【2027秋招】前端开发工程师\n【你将参与什么】\n你构建的Web界面，将帮助算法工程师可视化海量驾驶数据、管理模型实验、监控车端状态。你是连接人与AI的“界面建筑师”。\n【你的工作内容】\n1. 负责移动端H5和业务平台的前端页面设计与开发。\n2. 参与UI组件库建设和前端工程化（构建工具、性能优化）。\n3. 与产品、后端协作，推动需求落地和版本交付。\n【对你的期待】\n1. 计算机相关专业，扎实的HTML/CSS/JS基础，熟悉Vue或React。\n2. 了解小程序开发或跨端框架，有实际项目经验。\n3. 逻辑清晰，代码质量意识强。\n【2027秋招】AI Infra工程师\n【你将参与什么】\n大模型（VLA/World Model/Foundation Model等）的分布式训练和车端芯片部署，是当今 AI 工程化最困难的问题之一。你将参与构建支撑“端到端”智驾的大模型底座，在有限算力与显存约束下，压榨出极致性能。如果你对分布式训练并行策略、GPU 原语、Transformer 推理加速和编译器后端着迷，这里是个理想的实践场。\n【你的工作内容】\n1. 大模型训练加速：协助开发大规模分布式训练框架，RL训练框架，探索混合精度训练（FP8/BF16），解决千卡集群下的通信瓶颈与 MFU 优化等问题。\n2. 训练数据吞吐引擎：针对智驾所需的视频流数据，优化高性能数据加载器（DataLoader）与分布式缓存系统，提升多模态数据的 IO 效率。\n3. 模型量化和部署：参与推理引擎与高性能算子的设计与优化，参与模型结构优化（剪枝、蒸馏）及量化工具开发，帮助大模型“减肥上车”并确保精度闭环。\n【对你的期待】\n1. 计算机相关专业，熟练掌握 C++/Python，具备扎实的计算机体系结构知识。\n2. 对深度学习框架底层有好奇，熟悉 Transformer 架构，有 CUDA/Triton 经验或 ACM 竞赛经历者优先。\n3. 有分布式训练（Megatron/DeepSpeed）、推理加速（vLLM/TensorRT-LLM）或模型量化经验者优先。"
}