主導集團通用基礎模型研發

負責預訓練大模型（語言/多模態/代碼等）的架構設計、資料配比、訓練策略與 scaling law 研究，建立支援五大 AI 应用領域的底層模型能力，確保模型性能達到產業領先水平。

模型預訓練與持續進化體系

建立從數據清潔、預訓練、後訓練（SFT/RLHF）到模型評測的完整 pipeline；設計模型版本迭代與持續學習機制，推動基礎模型在汽車垂直領域的知識增強與適配。

算力與分散式訓練最佳化

與算力基礎設施團隊協作，最佳化千卡/萬卡級分散式訓練效率，降低訓練成本；主導模型壓縮、量化、推理加速等工程化技術，為垂類模型提供高效基座。

前沿技術探索與模型架構創新

跟進 MoE、長文本、多模態、原生 Agent 等尖端方向，推動創新架構在內部落地；產出高品質論文、專利及技術報告，提升研究院在學術界與開源社區的影響力。

跨部門模型交付與支援

為 Agentic AI 實驗室、數據科學部及業務應用團隊提供穩定、可控的基礎模型版本；主動收集下游反饋，建立模型迭代的閉環機制，支援 AI for Management/Engineering/Science/Manufacturing 等場景。

任職要求

計算機、人工智能或相關專業博士學歷，5 年以上大模型或深度學習研究經驗，3 年以上技術團隊管理經驗。

深入掌握 Transformer、擴散模型等主流架構，有百億/千億參數模型預訓練全流程實戰經驗，熟悉 Megatron、DeepSpeed 等分散式框架。

在大模型顶会（NeurIPS/ICML/ICLR/ACL/EMNLP/CVPR 等）发表过一作论文，或主导过知名开源模型项目者优先。

具備極強的問題拆解與工程落地能力，能在資源受限條件下平衡模型效果與訓練成本。

對汽車行業 AI 需求有基本認知，願意深入業務場景推動基礎模型的價值閉環。