关于团队 Compass 是由 Shopee 研发的面向全球竞争的超大规模多语言模型，具备强大的跨文化理解、复杂逻辑推理与自主执行能力。依托全球新兴市场（尤其是东南亚）海量的多语言、多文化数据优势，Compass 系列模型已成功实现了从 v1 到 v3 演进。当前，我们正聚焦前沿技术突破，全力打造架构更先进、能力更卓越的下一代基座大模型，打造全球领先的多语言与自主智能体（Agentic LLM）技术体系。我们将通过对算法和数据策略的深入研究，建立科学的 scaling law 指导规划，攻克训练与推理加速瓶颈，打通从数据治理到智能涌现的确定性路径。我们追求将现有的预训练技术做到极致。 岗位职责 • 前沿模型架构探索与实验： 协助团队调研并探索新型网络架构（如 MoE、状态空间模型等）与长上下文压缩技术。在导师的指导下，搭建小规模验证实验，对比分析不同架构和 Attention 机制的算力效率与实际效果。 • 高质量数据分析与策略验证： 参与构建大模型所需的“燃料”。协助进行多模态、多语言海量数据的清洗、处理与质量分析；在小型模型上跑通 Data Mix 与 Curriculum Learning 的消融实验（Ablation Study），为最终的数据策略提供实验支撑。 • Scaling Laws 与训练监控： 协助进行大模型预训练的实验跑批、参数微调与日志监控。参与探索数据规模、模型参数与算力之间的 Scaling 规律，配合资深研究员定位和解决分布式训练中的收敛异常与稳定性问题。 岗位要求 • 学历专业： 计算机、人工智能、数据科学、数学等相关专业硕士及以上学历。 • 编程功底： 具备扎实的算法与数据结构功底，精通 Python，熟练掌握 C++，具备出色的工程实现能力。 • AI与框架底座： 深入理解 NLP/LLM 基础理论，熟练使用 PyTorch，对大模型的核心算子有深入了解。 • 分布式计算： 熟悉至少一种主流大规模分布式训练框架（如 Megatron-LM, DeepSpeed, Colossal-AI），深刻理解数据并行、张量并行、流水线并行及 ZeRO 等内存优化技术。 • 问题解决： 具备极强的 Debug 能力和问题诊断能力，能够快速定位并解决模型训练中的算法缺陷与系统瓶颈。