算法工程师（视觉与大模型方向）(J13679)

职位描述

岗位职责：

1. 视觉算法研发：负责图像分类、目标检测、图像分割、异常识别等核心算法研发；结合传统图像处理（OpenCV）与深度学习技术，解决实际业务场景中的各类视觉识别问题。

2. 数据集与模型迭代：制定数据采集、清洗、标注、增强规范；完成模型训练与调参；持续优化准确率、召回率、推理速度等核心指标；针对小样本、样本不均衡等场景做技术攻关，沉淀数据集与模型库。

3. 大语言模型训练与调优：负责大语言模型（LLM）的训练、微调与效果调优，包括 SFT、LoRA/QLoRA、RLHF/DPO 等技术；结合业务场景开展提示工程、RAG、Agent 等应用开发，完成模型选型、效果评估与持续迭代。

4. 算法工程化与部署：完成视觉模型与大模型的轻量化、量化、剪枝；熟悉 ONNX/TensorRT、vLLM/TensorRT-LLM 等推理框架，在云端及边缘端设备完成推理加速；输出标准化算法模块与 SDK，对接业务系统，满足实时性与稳定性要求。

5. 业务落地与问题攻关：协同产品、研发、测试团队推进算法上线；定位分析线上误检、漏检、复杂场景干扰等实际问题，持续迭代算法，保障算法服务的长期稳定运行。

6. 技术预研与沉淀：跟进计算机视觉与大模型领域前沿，探索异常检测、视觉大模型、多模态大模型、小样本学习等方向在业务场景的落地；输出技术方案与测试报告，参与专利撰写及内部技术评审。

7. 项目支持：配合新业务、新项目开展算法可行性评估，输出算法方案，支撑项目高质量交付。

任职要求

任职要求：

1. 学历与经验：硕士及以上学历，计算机视觉、模式识别、人工智能、电子信息等相关专业；2-5 年算法落地经验，有完整项目交付经验者优先。

2. 视觉技术栈：熟练 Python；熟悉 OpenCV，掌握传统图像预处理、特征提取方法；熟练 PyTorch/TensorFlow；熟悉 YOLO、U-Net、Mask R-CNN、Anomaly Detection 等主流检测/分割/异常识别算法。

3. 大模型能力：熟悉主流开源大模型（Qwen、Llama、DeepSeek 等）的训练与微调流程，掌握 SFT、LoRA/QLoRA、RLHF/DPO 等技术；熟悉 vLLM、TensorRT-LLM 等推理部署框架及量化加速方案，具备大模型训练、部署、调优的实战经验。

4. 落地能力：有真实业务场景的算法落地经验，理解实际场景痛点：小目标、低对比度、复杂背景干扰、样本不均衡，能对准确率/误检率等指标做合理权衡；有模型部署、推理加速经验者优先。

5. 工程能力：具备良好的工程能力，能独立完成算法原型、训练调优与问题定位，不停留在论文复现层面。

6. 协作能力：沟通协作良好，能与产品、研发、测试等团队高效配合，接受必要的短期出差与现场支持。