职位描述：
1. 前沿技术跟踪：
12 持续跟踪国内外多模态大模型（如GPT-4V等）和大语言模型（如LLaMA、Phi、Gemni、ChatGLM、DeepSeek、qwen等）的最新研究进展与技术动态；
12 分析技术趋势，提炼可落地的优化方向和应用场景。
2. 模型优化与轻量化：
12 负责端侧（移动端/嵌入式设备）小模型的性能优化，包括但不限于模型压缩（量化、剪枝、蒸馏）、推理加速、内存与功耗优化；
12 探索多模态大模型向端侧轻量化落地的可行性方案。
3. 算法研究与开发：
12 参与多模态（文本、图像、视频、语音）融合算法研究，提升模型在低资源环境下的泛化能力；
12 针对垂直场景需求，设计高效的小模型架构或适配方案。
4. 实验与部署：
12 设计模型性能评测基准，主导实验验证与效果分析；
12 协同工程团队完成模型端侧部署，优化实际业务场景中的推理效率。
5. 技术沉淀与输出：
12 撰写技术文档、专利及学术论文，推动团队技术影响力；
12 参与开源社区贡献，跟进行业标准与工具链更新。
6. 团队培育和成长：
12 逐步带动和培育团队；

职位要求：
1. 教育背景：
12 计算机科学、人工智能、电子工程等相关领域硕士及以上学历，博士优先；
12 有顶会论文（CVPR/ICML/NeurIPS/ACL等）或开源项目经验者优先。
2. 技术能力：
12 熟悉主流大模型架构（Transformer、MoE等）及训练方法（预训练、指令微调、RLHF）；
12 精通多模态模型（如视觉-语言模型、跨模态检索）关键技术，熟悉对比学习、跨模态对齐等算法；
12 熟练掌握PyTorch/TensorFlow等框架，具备端侧部署经验（TensorRT、ONNX、CoreML等）；
12 熟悉模型轻量化技术（如知识蒸馏、量化感知训练、动态网络裁剪）。
3. 工程能力：
12 扎实的Python/C++编程能力，熟悉Linux开发环境；
4. 软性要求：
12 强烈的技术热情，能快速复现前沿论文并改进创新；
12 优秀的英文阅读和交流能力及跨团队协作沟通能力。

加分项
61 有多模态应用（如AIGC、智能助手、机器人）落地经验；
61 参与过主流开源项目（如Hugging Face、LangChain、Llama.cpp）。