Base地可选上海/南京

【岗位定位】
作为公司AI模型工程化的核心力量，负责AI模型的训练、微调、优化与部署全链路工作，打通从算法原型到生产可用的工程闭环。你将深度参与模型训练策略制定、训练加速、推理优化、模型压缩等关键环节，确保AI模型在医疗场景中高效、稳定、合规地运行。

【岗位职责】
一、模型训练与微调

1.负责AI模型的训练全流程执行：训练数据准备、训练任务配置、超参搜索、训练过程监控、loss分析与调优。
2.实施模型微调工作：包括SFT（指令微调）、LoRA/QLoRA等参数高效微调方法，以及RLHF/DPO等对齐技术的工程落地。
3.针对医疗场景的数据特性，设计数据增强、课程学习、难例挖掘等训练策略，提升模型在垂直领域的表现。
4.建立模型训练实验管理体系：实验配置管理、训练日志分析、模型对比与选型。
二、 模型优化与压缩

1.负责模型推理性能优化：模型量化（INT8/INT4）、剪枝、知识蒸馏等压缩方案的设计与验证。
2.优化模型推理延迟与吞吐：使用TensorRT/ONNX Runtime/vLLM等推理框架，满足临床场景的实时性要求。
3.探索模型加速前沿技术（Speculative Decoding、KV-Cache优化、Flash Attention等），在医疗场景中验证落地。
三、 模型评估与质量保障

1.建立模型质量评测体系：设计评测指标、构建评测数据集、建立自动化评测流水线。
2.构建模型回归测试机制，确保模型迭代不引入性能退化。
3.对模型输出进行Badcase分析，定位问题根因并推动改进。
四、工程化与协作

1.配合算法工程师完成从算法原型到生产模型的转化，解决训练框架、数据处理、模型部署等工程问题。
2.与架构师协作，参与MLOps平台建设，推动模型训练、评估、部署的标准化与自动化。
3.与后端团队协作，定义模型服务接口规范，保障模型上线后的稳定运行。
4.编写模型技术文档、部署指南、运维手册，保障模型全生命周期可维护。

【任职要求】
1.硕士及以上学历，2027届应届毕业生（毕业时间2026年9月-2027年8月）。
专业要求：人工智能、计算机科学与技术、软件工程、图像处理、信息与计算科学、生物医学工程等相关专业。
2.扎实的深度学习理论基础，理解Transformer、CNN等主流模型架构原理及训练机制。
3.精通Python，熟练使用PyTorch，有完整的模型训练项目经历。
4.了解模型训练优化方法（学习率策略、正则化、数据增强等）和模型评估方法。
5.计算机基础扎实，具备良好的工程实现能力，代码规范意识强。