美国留学

上海人工智能实验室（上海AI实验室）招募了来自世界各地的重要模型才能。该实验室现已为学者推出了一个大型模型系统，涵盖了学者，PUYU，学者和Vientiane通用基本模型以及多个垂直领域的特殊模型。同时，实验室已经建立了一个大型模型评估系统（Sinan Opencompass），以从纯粹的技术和中立的角度向行业提供有关功能指标和优化方向的指南。坚持通过开源和开放性赋予创新能力的概念，该实验室通过促进学术模型和工具链的开源来帮助创建近一千个创新项目，并共同促进了AI生态系统和工业发展的繁荣，并与各行各业。

现在，招聘已开放，可以担任以下职位，欢迎您提交简历。

大型模型增强学*的年轻研究员/博士后研究员

大型模型算法的年轻研究员

年轻的语音和音乐生成研究员

年轻的语音识别和理解研究人员

视频多模式大型模型年轻研究员/研究工程师

多模式大型模型感知的相互作用年轻研究员/研究工程师

语言大型模型培训优化算法工程师

大型模型增强学*算法工程师

多模式大型模型评估算法工程师

多模式大型数据工程师

大型型号评估工程师

大型产品经理

大型模型评估算法研究实*生

大型模型评估算法工程实*生

语言大型模型培训优化实*生

大型模型增强学*算法实*生

大型模型部署实*生

大型定量实*生

大型模型增强实*生

多模式大型数据工程实*生

RLHF培训引擎实*生

（可以通过上下滑动来查看相关位置的具体内容）

递送方法

方法1：

将您的简历发送到大型Model-center@pjlab.org.cn； chuzhihui@pjlab.org.cn

电子邮件和简历命名格式：名称- 应用的名称应用- （全职/实*）

方法2：

登录上海人工智能实验室（www.shlab.org.cn）的官方网站

在导航栏中单击“加入我们”以查看相应的位置并提交。 （单击以阅读文章末尾的原始文本，然后直接进行）

全职工作（对社会招聘和校园招聘开放）

大型模型增强学*的年轻研究员/博士后研究员

在实验室学者的大型模型的培训阶段，工作责任参与了有关强化学*及其扩展定律的研究。 Work content includes: 1. Research on reinforcement learning algorithms in the post-training stage of the big model of a student in the laboratory, mainly including: research on reinforcement learning (RLXF) algorithm based on AI and environmental feedback and research on multi-agent reinforcement learning algorithms with big models as the core, covering complex tasks such as instruction compliance, complex reasoning, code, and web browsing in text and text多模式场景； 2。参与有关奖励和反思评估模型的相关研究，研究广义细化的过程监督和奖励建模，并探索基于细粒度反馈的强化学*算法，以涵盖本文，诸如教学的合规性，复杂的推理，代码，代码和网络浏览的复杂任务； 3。对训练后和推理阶段中规模法律的研究，包括：奖励和反思评估模型培训，强化学*阶段和推理阶段； 4。参与世界模型的研究，并根据世界模型研究推理计划和增强学*培训算法，用于文本和文本多模式场景中的复杂推理和计划方案； 5。参与促进规模工程实践和最新强化学*后培训计划的实施。

工作需求1。优选博士学位，人工智能和其他相关专业的专业（例如计算机科学，数学，统计，电子工程等），并且优先考虑增强学*方面的研究经验； 2。熟悉与大型模型领域有关的研究和算法，尤其是强化学*，大型模型增强学*的研发基金会，以及那些具有高含量高级论文，众所周知的竞争奖和在顶级研究机构中的工作经验的研究和工作经验； 3.熟练使用语言和代码库，例如Python，Pytorch，Ray等，可以分析该领域的最新研究趋势，系统地比较研究领域中的相关成就，并制定了勘探计划，以及具有工程开发的优化经验，在强化学*训练系统中，大型模型培训系统，大型模型培训系统，大型模型训练系统和相关的代码图表都偏爱； 4。目标取向，出色的学术愿景和判断力，出色的问题提出，分析和解决技能，良好的团队精神和沟通意识。

大型模型算法的年轻研究员（数学推理）

工作责任1。参与有关在实验室学者大型模型的训练后培训阶段的提高复杂推理能力（例如数学和代码）的研究。工作内容包括：2。参与算法研究，以提高实验室学者大型模型的训练后培训阶段的复杂推理能力，探索技术途径，例如高质量数据综合和强化学*，以提高大型模型的复杂推理能力，并涵盖复杂的推理任务，例如文本和文本多模型的数学和代码，例如文本和代码。 3。参与复杂推理能力的训练后和推理时间，包括：研究奖励和反思评估模型培训规模定律，强化学*阶段和推理阶段； 4。参加规模工程实践和实施培训后方案，以促进最新的复杂推理能力的提高。

工作要求：1。博士学位，人工智能和其他相关专业（例如计算机科学，数学，认知科学等）是首选； 2。熟悉大型模型领域的相关研究工作和算法，并具有提高大型模型推理能力的研究与发展基金会，并首选高层级别的顶级论文，著名的竞争奖和顶级研究机构的工作经验； 3。熟练使用Python和Pytorch等语言以及大型模型培训/微调相关的代码基础，能够分析该领域的最新研究趋势，能够系统地比较研究领域中的相关结果，并制定研究勘探计划，以及与工程开发经验在强化训练系统，大型模型培训系统，大型模型培训系统，大型模型培训系统中，大型模型培训系统，大型模型培训代码的优化基础相关的均选择的基础； 4。面向目标，出色的学术愿景和判断力，出色的问题，分析和解决技能，良好的团队精神和沟通意识。

年轻的语音和音乐生成研究员

工作职责1。促进言语和音乐发电技术的研究和发展。研究内容包括但不限于：语音产生，音乐发电，音频事件，多模式生成（例如音频驱动的演讲生命生成，视频配音等），在音频生成和其他任务中的生成模型的应用，音乐风格转移等； 2。探索语音和音乐发电在多模式大型模型中的应用，例如研究如何将语音合成模型整合到多模式大型模型中； 3。发表研究结果，在顶级的学术会议和期刊中，申请专利并改变结果； 4。参加实验室开源社区的建设，并参与团队研究平台的研究和开发。

工作需求：1。优先博士学位，计算机和其他相关专业的专业，并且首选具有语音生成，音乐发电或相关领域的研究背景的人； 2。熟悉常见的生成模型，并在语音领域的顶级会议（例如ICASSP，INTEPEECH，ASRU/SLT等）或期刊（例如IEEE/ACM TASLP，JASA等）或期刊上发表了论文，或者在机器学*中（例如Neurips，iClr，icml，ICML，ICML，ICLR，ICML）是更喜欢的； 3。精通深度学*框架，出色的算法实现和代码优化功能； 4。要创新，能够独立完成科学研究任务，并具有指导博士生和实*生的能力； 5。具有强大的进取精神，良好的团队沟通和协作技巧。

年轻的语音识别和理解研究人员

工作职责1。促进有关语音识别和理解相关技术的尖端研究，包括但不限于：语音识别，语音综合，多语言识别和理解，语音翻译等； 2。促进多模式大型模型中语音识别和理解能力的改善，并探索如何将语音信号与其他模式（例如图像，文本和视频）深深地整合在一起； 3。在国际顶级会议和期刊上发表高级学术论文，申请专利并转换结果； 4。参加实验室开源社区的建设，并参与团队研究平台的研究和开发。

工作需求1。首选博士学位，计算机和其他相关专业的专业，以及在语音领域（例如ICASSP，Interspeech，ASRU/SLT等）发表论文的人或期刊（例如IEEE/ACM TASLP，JASA等）； 2。在相关领域中具有研究或工作经验，例如语音识别，自然语言处理，基本模型，并熟悉深度学*模型（例如Transformer，RNN）在语音任务中的应用； 3。精通深度学*框架，具有出色的算法实现和代码优化功能； 4。要创新，能够独立完成科学研究任务，并具有指导博士生和实*生的能力； 5。具有强大的进取精神，良好的团队沟通和协作技巧。

视频多模式大型模型年轻研究员/研究工程师

工作职责1。负责与大型模型的长期视频理解有关的算法的研究和开发，并提高多模式大型模型的能力。字段包括但不限于：视频理解，多模式学*和对话系统，结构设计，数据集构建等； 2。提出和实施最尖端的算法，维持学术和工业世界中的领先算法，并在许多实际应用领域中促进各种算法的性能优化和实施。

工作需求1。硕士学位或更高，计算机科学和技术，人工智能和其他相关专业的专业是优先的，并且具有相关工作经验的人； 2。精通机器学*的基本方法（深度学*），熟悉计算机视觉中的常见问题和算法，并且熟悉Pytorch/任何深度学*框架（例如Tensorflow）； 3。在工作职责中提到的一个或多个领域中的硕士技术算法，具有相关的研究经验和产出； 4。具有出色的分析和解决问题的技能，热衷于解决具有挑战性的问题，并具有强大的自我驱动力； 5。强算法实现能力，精通Python，C/C ++等； 6.具有以下任何学术成就的人是出色的： - 在发表学术论文方面的经验，尤其是顶级会议或期刊，例如CVPR/ICCV/ECCV/eccv/eccv/icml/icml/iclr/iclr/aaai/siggraph等。 - 具有长期视频理解的经验，擅长相关的结构设计，优化，验证等；在ACM-ICPC/CCPC区域竞赛，EC最终银牌及以上，世界最终荣誉提及或以上或以Google Code Jam/Kickstart和Facebook Hackathon的排名或全部分数中，具有强大的编程技能，金牌及以上，EC最终银牌及以上或全球最终荣誉奖或全部得分； - 参加了田野或行业的更具影响力的竞争，例如Kaggle/Codalab/KDD杯/Drivendata/Ali Tianchi等，并排名前5。

多模式大型模型感知的相互作用年轻研究员/研究工程师

工作职责1。促进对多模式大型传感技术的研究，包括多模式对齐，多模式视频和语音交互，多模式的长期记忆，多模式增强学*和其他方向； 2。参与实验室多模式大型项目的研究，开发和交付，并参与维护开源项目。

工作需求：1。硕士学位或更高，是优先的计算机和其他相关专业，具有深度学*领域的背景（计算机视觉，自然语言处理等），那些接受基本大规模培训和部署的人是首选； 2.那些在出版具有顶级会议和顶级期刊的论文经验的人是首选（例如：CVPR，ICCV，ECCV，Neurips，iCLR，ICML，ICML，ICASSP，ICHASSP，Interspeech等）； 3。精通深度学*框架，出色的算法实现和代码优化功能； 4。具有创新的精神，能够独立完成科学研究任务，并具有指导实*生的能力； 5。具有强大的进取精神，良好的团队沟通和协作技巧。

语言大型模型培训优化算法工程师

工作职责1。参加语言大型模型的培训和调整，稳定大型模型培训，提高培训效率等； 2。优化从数据生产，数据比率到大型模型培训的整个过程； 3.负责语言大型模型算法库的相关工作，并实现和维护算法库。

工作要求：1。硕士学位或以上，与计算机或人工智能有关的专业是优先的； 2.那些熟悉常见的自然处理和处理模型的人，以及那些在相关大型培训方面具有训练和音调优化经验的人； 3。那些精通Python和Pytorch，具有强大的工程能力的人，并且熟悉CUDA开发和性能调整的人是首选； 4.那些熟悉大型模型培训框架的人，例如Deepspeed，Colossalai或Megatron； 5。拥有一流论文，著名的学术工作，开源项目经验和国际竞争成果的人是首选。

大型模型增强学*算法工程师（多目标增强学*）

在实验室学者的大型模型的培训阶段，工作责任参与了增强学*技术的研发迭代和工程规模。具体工作内容包括：1。在学者大型模型的培训后培训阶段参与研究和发展的迭代，包括：基于人类，AI和环境反馈以及一般多项培训的多项任务序列的增强和调整阶层的优化和升级算法（RLXF）算法（RLXF）算法代码，幻觉抑制； 2.负责建立高质量的大规模强化学*偏好，反馈和强化学*培训数据集，并开发迭代性概括性奖励模型。目标任务包括但不限于：文本，图片，视频和其他数据，涵盖主观对话，指令合规性，复杂的推理，代码，幻觉抑制和其他任务； 3.负责大规模增强学*培训框架的工程开发和优化，并参与日常维护，研发迭代以及大规模的培训效率提高大规模强化学*培训培训框架。

工作需求：1。学士学位或更高学位，例如人工智能（例如计算机科学，数学，统计，电子工程等），优先考虑具有强化学*研究经验的人，并优先授予拥有博士学位的人； 2。熟悉强化学*领域的相关研究工作和算法，熟悉大型模型领域的相关研究工作，并优先考虑那些在增强学*方面具有相关工作经验的人； 3。精通语言和代码库，例如Python，Pytorch，Ray以及其他语言和代码库，能够快速阅读和复制论文的能力，并系统地比较研究领域中的相关成就并制定改进计划。那些在加强学*培训系统中，大型模型培训系统以及相关的基础代码库中具有工程开发和优化经验的人，是为具有工程开发和优化的人提供的； 4。面向目标，出色的问题提出，分析和解决技能，良好的团队精神和沟通意识；那些在发表顶级论文，赢得知名比赛的奖项以及在顶级研究机构中的工作经验的人。

多模式大型模型评估算法工程师

工作职责1。参与多模式大型模型评估系统的构建； 2.负责多模式大型模型评估框架的开发和维护； 3.负责提供多模式的大型模型列表和评估系统影响的构建； 4。参与针对特定多模式任务或功能的相应评估基准的构建； 5。分析和组织实验结果，并清楚地报告和显示研究结果。

工作要求：1。硕士学位或以上，相关专业的专业，例如人工智能，计算机，自动化等，并且首选具有1年或更多工作经验的专业； 2。在机器学*方面拥有坚实的基础，可以迅速掌握该领域的最新研究趋势，以及那些在诸如计算机视觉/机器学*/自然语言处理之类的顶级会议期刊上发表论文的人是优先的； 3。具有出色的代码功能，熟悉Python，掌握了Pytorch等机器学*框架的使用，并具有大规模项目开发和维护方面的经验； 4。具有良好的沟通和协作技巧，并能够一起探索团队中的突破性领域问题；出色的问题分析和解决技能，并具有积极的学*意愿。

多模式大型数据工程师

工作职责1。专注于清洁，过滤和组织多模式大型模型数据，并与模型培训团队紧密合作，以确保高质量的数据支持机器学*项目。 2。数据清理和分类：负责收集和处理原始数据，识别和纠正数据中的错误和异常，以确保数据的准确性和一致性； 3.合作建立培训数据集，与模型培训方面紧密合作，了解项目要求，构建和准备满足需求的高质量培训数据集并提高模型性能； 4.开发数据处理管道：设计和维护自动数据处理管道，以提高数据清理和分类的效率，并减少手动干预； 5。监视和维护数据管道：实时监视数据管道的操作状态，及时确定和解决潜在问题，并确保数据流的连续性和稳定性； 6.共享文档和最佳实践：编写清晰的文档，记录数据处理过程和方法，并与团队共享数据处理的最佳实践以促进知识转移。

工作要求：1。学士学位或更高的学位，计算机，软件工程，电子信息和其他相关专业的专业，以及超过1年的数据清洁工作经验； 2。精通Python编程语言，能够使用相关的库（例如Pandas，Numpy）进行数据处理，并且具有使用SPARK经验的人是首选； 3.了解大型模型的基本知识，具有大型经验的人是首选，并且可以应用于数据处理和分析；具有良好的沟通能力，并能够与不同的团队成员有效合作以促进项目进步。

大型型号评估工程师

工作职责1。负责大型模型评估技术系统（Opencompass Sinan）的构建，包括但不限于：评估系统构建，评估计划和评估集的迭代，评估执行和分析，评估列表释放等； 2。进行与评估相关的技术研究，例如：大型模型复杂的推理能力，主观对话经验，长期理解和生成，并探索动态评估技术途径； 3.负责分析内部和外部大型模型功能，相关行业分析报告和技术白皮书等； 4。支持大型模型评估中的生态合作，并不断增强Sinan的影响力。

工作需求：1。学士学位或更高，计算机科学和技术，人工智能和其他相关专业的专业是优先的，而拥有三年或以上工作经验的人则是优先的； 2。在自然语言处理或与大型模型有关的算法方面具有一定的经验； 3。在质量测试交付和测试工程开发方面有经验； 4.那些熟悉前端和后端，与数据库相关的知识和工具的人是优选的； 5。认真，严格地工作，具有良好的沟通能力，团队合作和独立的解决问题技能。

大型产品经理

工作职责1。负责与大型模型相关的产品工作，包括：对话过程设计，对话内容的产生，对话互动逻辑设计，模型部署和评估等； 2。负责研究和设计相关技术，例如自然语言处理，机器学*以及不断改善对话系统的性能和用户体验； 3。参与产品功能评估，设计，优化和其他用于尖端大型模型算法应用程序的工作。

工作要求：1。学士学位或更高，计算机，人工智能，心理学和其他相关专业的专业，而1年或更多的工作经验也是优先的； 2.了解大语模型的技术原理和潜力，熟悉自然语言处理，机器学*和其他相关技术，以及具有相关项目经验的技术； 3。熟悉聊天工具，即时通信软件和社交软件的产品功能和逻辑； 4。具有强大的学*能力和团队协作能力。

实*职位

大型模型评估算法研究实*生

工作责任1。参与大型语言模型的研发迭代，深入研究并关注LLM方向上的尖端技术，并专注于相关方向，例如评估和对齐大语言模型； 2。参与著名的开源项目的建设，参与与尖端大语言模型相关的尖端算法的开发，发布国际高管，申请专利等； 3。参与大型模型评估工具软件和工具平台的研究和开发，并参与著名的开源项目的构建。

工作需求1。博士生正在学*，而与人工智能，计算机，自动化和数学相关的专业是优先的； 2。在数据结构和算法设计方面具有坚实的基础，精通Python或C ++的一种或多种编程语言，精通Pytorch和Tensorflow等深度学*框架，并在大型开源项目中经验丰富，并优先； 3。熟悉大型模型基础架构，具有坚实的算法基础，并了解LLM和VLM的前沿进度，微调培训，绩效评估和下游应用程序； 4。作为第一作者，在国际顶级学术会议上提交或发表了至少一份学术论文，以及那些在自然语言处理，多模式，计算机视觉或机器学*方面取得了出色效果的人； 5。每周工作4-5天，可以实*3个月以上，拥有良好的英语阅读和写作技巧和数学基金会；具有强烈的责任感，积极主动，善于沟通和团队合作。

大型模型评估算法工程实*生

工作职责1。参与大型评估工具软件和工具平台的研究和开发，并参与著名的开源项目的构建； 2。参与大型语言模型的研发迭代，深入研究和对LLM方向上的尖端技术的关注，并专注于相关方向，例如评估和对大语模型的一致性。

工作要求1。学士学位或更高的学士学位，与人工智能，计算机，自动化和数学有关的专业。 2。在数据结构和算法设计方面具有坚实的基础，精通Python/c ++的一个或多个，熟练掌握了Pytorch和Tensorflow等深度学*框架，并首先在大型开源项目中具有经验； 3。熟悉大型模型基础架构，固体算法基础和了解LLM的尖端进度，绩效评估和下游应用程序是首选；那些在自然语言处理，多模式，计算机视觉或机器学*或发表学术论文中取得了出色效果的人是优先的； 4。4。您可以每周工作4-5天，并进行3个月以上的持续实*，具有良好的英语阅读和写作技巧以及稳固的数学基础；具有强大的责任感，积极主动，具有良好的沟通能力和团队合作能力。

语言大型模型培训优化实*生

工作职责1。参加语言大型模型的培训和调整，稳定大型模型培训，提高培训效率等； 2。参与从数据生产，数据分配到大型模型培训的整个过程的优化； 3。参加语言大型模型算法库的相关工作。

工作要求1。优先于学士学位或更高的计算机或人工智能专业的专业，而超越顶级论文的人则是首选； 2.那些熟悉自然处理和处理的常见模型的人，那些在相关大型培训方面具有训练和音调优化经验的人是首选的； 3。精通Python和Pytorch并具有强大工程能力的人；那些熟悉CUDA开发和性能调整的人是首选； 4.那些熟悉大型模型培训框架的人，例如Deepspeed，Colossalai或Megatron；那些拥有著名的学术工作，开源项目和国际竞争成绩的人。

大型强化学*算法实*生（多代理自主进化）

工作责任参与了实验室学者多代理的自主演化的研究。工作内容包括：1。参与实验室学者大型模型的多代理协作系统的研究和探索，并研究如何扩大系统的能力界限并改善系统的能力上限； 2。参与探索多代理系统的独立代理方法，并探索强化学*和其他手段，以提高多代理协作系统的可用性，可靠性和概括； 3。参与多机构系统的细粒度评估方法的研究，包括：设计可靠且细粒度的评估方法，以评估多代理系统的能力界限和可靠性。

工作要求：1。博士生目前正在博士学位学*，与人工智能（例如计算机科学，数学，认知科学等）等相关专业的学生是优先的； 2。熟悉与大型模型领域相关的研究工作和算法，尤其是（多代理），与大型模型代理和强化学*有关的研究基金会以及具有高领先的顶级竞争论文，知名竞争奖项，以及在顶级研究机构的实*经验的高级竞赛论文； 3。精通语言和代码库，例如Python，Pytorch，Ray等，并能够判断该领域的最新研究趋势并制定研究计划和实验计划。那些拥有多机构系统，强化学*培训和大型模型培训的人是优选的； 4。面向目标，出色的学术愿景和判断力，出色的问题，分析和解决技能，良好的团队精神和沟通意识。

大型模型部署实*生

工作职责1。参与LMDEPLOY项目的研究和开发，并支持多模型模型的推断和优化； 2。参与下游部署生态项目的Interlm和Intervl系列模型的支持，建设和扩展。

工作要求1。学士学位或更高，计算机科学，人工智能，数学和其他相关专业的专业； 2。精通Python或C ++，Pytorch和固体工程功能； 3。熟悉主流LLM和VLM模型结构，并参与了与模型推理优化有关的项目； 4。将模型支持者添加到开源LLM推理框架中，例如Llama.cpp，vllm和lmdeploy； 5。首选可以将OpenAi Triton或CUDA用于运营商的开发人员。

大型定量实*生

工作职责参与大规模量化后不断优化推理性能，并探索较低成本的定量算法。

工作要求1。学士学位或更高，计算机科学，人工智能，数学和其他相关专业的专业； 2。熟悉LLM量化的尖端算法，例如AWQ和GPTQ，并了解CUDA的基本原理； 3。能够使用OpenAi Triton或Cuda进行操作员开发。

大型模型增强实*生

工作职责1。参与大型模型数据结构，培训算法等的研究和开发； 2。分析大型模型培训过程中的行为变化，数据因素等； 3。参加大型模型培训，以实现增强的方向功能。

工作要求：1。学士学位或以上，计算机，数学，统计和相关专业的优先权； 2。具有熟练的编程技能，对算法和机器学*有深入的了解，以及主流开发工具（例如Python和Pytorch）； 3。拥有深度学*，自然语言和计算机视觉的知识储备，并熟悉与模型相关的大型技术； 4.在相关会议上发表论文的人，例如ACL，CVPR，ICCV，NAACL，EMNLP，Coling，Nips，ICML，AAAI等。 5。具有经验或相关知识的人，例如数据处理，合成，COT增强，RL，MCT等。 6。您可以每周进行4-5天的帖子，并且可以连续实*超过4个月。

多模式大型数据工程实*生

工作职责1。与模型培训团队紧密合作，学*如何准备和处理高质量数据以支持机器学*项目； 2.协助数据清洁和分类：在指导下收集和处理原始数据，学会识别和纠正数据中的错误和例外，以确保数据的准确性； 3.支持培训数据集的构建：与模型培训团队合作以了解项目要求，协助构建和准备满足要求的培训数据集，并为模型培训提供支持； 4。参与数据处理管道的开发：学*如何设计和维护数据处理管道，逐渐提高数据清洁和分类的效率，并减少手动操作； 5.监视数据管道的操作：协助实时监视数据管道状态，学*如何识别和报告潜在问题，并确保数据流的稳定性； 6.记录和共享学*过程：在实*期间写入学*文档，记录数据处理过程和方法，共享学*经验以及促进团队知识的转移。

工作要求：1。学士学位或更高，计算机，软件工程，电子信息和其他相关专业的专业； 2。熟悉Python编程语言，了解与数据处理相关的库（例如Pandas，Numpy），以及具有SPARK经验的库是首选； 3。具有良好的沟通技巧，能够与不同的团队成员有效合作以促进项目进步。

RLHF培训引擎实*生

工作职责1。参与支持大规模培训的多模式RLHF培训引擎； 2。参与RLHF培训效率（发电效率，平行效率）的连续优化，并生成有影响力的论文或技术报告。

工作需求：1。研究生学位，计算机，人工智能和其他相关专业的专业，并且具有相关经验的专业； 2。熟悉威震天，深速，巨大AI或Pytorch FSDP中的任何平行训练框架； 3。了解VLLM，SGLANG或LMDEPLOY的任何推理引擎； 4。了解RLHF算法的基本原理和过程； 5。受益于使用Openai Triton或Cuda开发运营商的能力。