岗位定位 参与大模型训练、模型适配、Checkpoint 转换和自动化评测体系建设，为稀疏、量化和推理算法提供稳定的实验与模型工程支撑。 岗位职责: - 参与主流开源大模型的训练和结构适配。 - 参与 Dense-to-Sparse、Dense-to-Quant 模型转换工具开发。 - 参与 Continual Training、数据处理和训练配置建设。 - 参与 Checkpoint 转换、参数映射和模型格式校验。 - 参与多机多卡训练任务调试和训练异常定位。 - 建设模型通用能力、数学、代码、推理和长上下文评测流程。 - 分析不同模型版本的 Benchmark 变化和失败样本。 - 开发自动化训练、评测、结果统计和可视化工具。 - 参与模型 Zoo、标准 Recipe 和实验管理体系建设。 任职要求: 1.计算机、软件工程、人工智能、数学或统计等相关专业本科及以上应届毕业生。 2.熟练使用 Python，熟悉 PyTorch。 3.熟悉 Transformer 或主流大模型基本结构。 4.具备良好的数据结构、操作系统和软件工程基础。 5.能够使用 Linux、Git、Shell 等常见开发工具。 6.具备基本的数据处理和统计分析能力。 7.工作严谨，重视代码质量、实验公平性和结果可复现性。 加分项: - 使用过 Hugging Face、Megatron-LM、DeepSpeed 或 FSDP； - 有大模型训练、微调或评测实习经历； - 使用过 lm-evaluation-harness、OpenCompass、LongBench 等工具； - 有多机多卡训练经验； - 熟悉 Pandas、SQL、Docker 或可视化工具； - 参与过模型训练平台、Benchmark 或开源大模型项目。