算法工程师

岗位职责
1、负责图文音视频全模态大模型及深度学习模型在移动端/边缘端的推理加速研究与工程落地，包括模型压缩（量化、剪枝、蒸馏）、计算流/算子优化、内存优化及端侧推理链路的深度定制，推动 AI 模型在资源受限设备上的高效稳定运行。
2、负责大模型参数高效更新技术的研发与落地，探索适配方法在资源有限环境下的增量学习与新能力适配方案，支撑业务场景下模型的快速迭代与低成本定制。
3、结合端侧/边缘侧硬件特性，开展模型架构层面的轻量化设计与优化（如注意力机制改进、稀疏激活、缓存优化、输入压缩等），平衡模型效果与推理效率，形成可复用的端到端软硬协同解决方案。
4、持续跟踪业界最新大模型、AI 智能体架构与消费电子领域 AI 应用演进方向，评估新架构在移动端/边缘端部署的可行性与收益，快速完成技术验证并推动关键技术在业务中落地。
5、沉淀端侧/边缘侧大模型部署的方法论与工具链，建立性能评估基准与自动化测试流程，参与团队技术分享与人才培养，推动团队在端侧 AI 方向的技术积累与行业影响力建设。

任职要求
1、计算机、人工智能、数学、电子信息等相关专业，硕士及以上学历，3 年以上大模型推理加速或端侧/边缘侧部署相关工作经验；具备扎实的机器学习/深度学习理论基础。
2、对 Transformer 架构有深刻理解，熟悉主流大模型的原理与细节，具备模型压缩（量化、剪枝、蒸馏）、模型结构/算子优化或端侧推理引擎开发中一项或多项的实践经验。
3、精通 C++/Python，熟练使用主流深度学习框架，了解主流端侧推理框架及加速引擎，具备分布式训练相关知识。
4、熟练使用主流 AI 辅助编程工具提升工作效率，善于在 AI 输出基础上批判性地提出、实现、验证创新的解决方案。
5、熟悉 AI 智能体及相关核心技术（如强化学习对齐、检索增强生成等），具备端侧/边缘侧智能体部署或推理时计算优化经验者优先。
6、具备良好的问题定义与分析能力、学习能力和团队协作沟通能力，对电子/芯片行业和 AI 大模型领域具有强烈热情，能主动跟进并落地前沿技术。
7、加分项：在模型压缩/推理加速、端侧部署、参数高效更新、多模态或智能体等方向有高质量论文（如 NeurIPS、ICML、CVPR 等顶级会议）或有影响力的开源项目；有大模型移动端部署优化或大规模分布式训练经验；有移动端系统上应用/服务/框架开发经验。