【岗位职责】 1、参与AI大模型相关算法的开发与迭代优化，完成研发项目中大模型的预训练、微调、RLHF人类反馈强化学习、DPO偏好优化、对齐优化等全流程算法落地；基于智能座舱领域，负责大模型轻量化工作，完成模型量化、模型压缩等工程落地，适配端侧/车载/业务服务部署场景；负责交通垂域大模型的算法研发与迭代优化，基于开源大模型底座，结合车路云一体化、公路数字化转型、智能航运、车路协同、交通管理与智能调度等核心业务场景，完成Prompt工程、RAG检索增强、智能Agent开发等核心工作，提升模型在交通场景下的适配性与落地能力； 2、参与数据集搭建与数据治理工作，针对多源异构数据开展数据清洗、数据过滤、数据筛选、数据增广、数据标注及数据集搭建工作，开展Prompt工程、Agent提示词优化、评测体系搭建，构建标准化、高质量的训练与评测数据集（含交通垂域训练评测数据集），支撑模型训练与迭代； 3、负责大模型工程化落地工作，开展模型显存优化、量化压缩、分布式训练、推理加速等技术优化，解决模型训练发散、推理延迟高、场景泛化能力弱等问题，保障模型高效、稳定部署应用； 4、结合智慧交通实际业务需求，开展算法评测、效果分析与技术迭代，输出模型评测报告、技术方案、研发文档、实验报告等材料，持续优化大模型在交通调度、路况研判、交通治理、航运管控等场景的应用效果； 5、跟进大模型、多模态AI前沿技术，调研前沿论文、开源模型方案，结合交通行业业务痛点开展技术创新与算法探索，落地新技术验证，输出技术方案与实验报告； 6、协同工程、产品、业务团队，跨部门对接落地大模型应用，排查模型推理、训练过程中的异常问题，推进大模型相关技术成果落地、迭代与优化升级，保障模型稳定迭代上线； 7、完成领导交办的其他工作。 【任职要求】 1、教育背景：计算机、人工智能、软件工程、电子信息、自动化、交通运输、大数据、应用数学、统计学等理工科相关专业博士； 2、知识技能： -具备扎实的机器学习、深度学习与大模型理论基础，熟悉Transformer架构、预训练、微调、提示工程、RAG检索增强等核心技术；具备大模型微调、训练、量化等理论知识和工程实践能力； -熟练使用Python，熟练掌握PyTorch/TensorFlow至少一种主流深度学习框架，掌握Hugging Face等主流大模型开发框架，能独立搭建训练脚本；熟悉Linux开发环境与代码工程规范，熟悉多线程编程，熟悉TCP/IP协议； -具备大模型数据处理、模型微调、评测优化、量化推理、显存优化等实操经验，了解分布式训练、向量数据库、模型轻量化部署流程，能够独立完成大模型实验与迭代调优； -了解交通多源异构数据（视频、雷达点云、车辆轨迹、交通执法调度数据等）特性及处理方法，有相关行业项目、科研经验者优先； 3、工作经验：拥有大模型科研、横向课题、大厂算法实习、开源项目任意一类完整项目经历；有大模型微调、RAG知识库搭建、多模态模型开发、智能Agent开发、交通AI算法项目或相关科研、实习经历者优先；有顶会/期刊论文、竞赛获奖、专利或开源项目经验优先/加分； 4、能力素质：逻辑清晰、思维敏捷，学习能力强，对工作有较高的热情和驱动力；具备良好的代码模型实现、问题排查、技术文档撰写和团队协作能力，能够跨团队沟通交流；有较强的自驱力和抗压能力，愿意深耕交通垂域大模型技术研发与落地。