职位描述1. 训练流水线建设： 搭建与维护多模态模型训练 Pipeline（涵盖数据预处理、实验追踪、Checkpoint 管理与回归评测），支持音视频、状态序列等多模态输入。 2. Teacher-Student 蒸馏： 使用大模型/专家模块生成 Richer Labels，设计蒸馏目标、Loss 函数与 Hard-negative 机制，将高价值能力稳定转移至端侧，摆脱对云端的在线依赖。 3. 模型压缩与部署优化： 负责 PTQ/QAT、量化感知训练、剪枝与 KV/Cache 优化；导出 ONNX/TensorRT 等格式；在真实设备上死磕 Latency、显存、功耗与推理抖动。 4. 质量与回归治理： 建立可复现机制，系统性归因模型失效（数据、标签、结构或部署问题）；联合团队建设 Hard slices 与回放评测。 5. 运行时协同： 与系统侧拆分快慢路径，trade-off 端侧性能与业务收益，推动模型从“实验室能跑”跨越到“设备稳跑”。 6. 同时需要兼顾交互语义建模与任务定义（如回应对象判断、交互时机、主动策略等）任职要求必备项： 1. 计算机、人工智能相关专业本科及以上学历。 2. 3 年以上经验，在训练工程、蒸馏压缩、部署优化中具备至少两项的深厚实战积累。 3. 精通 PyTorch 训练体系，代码工程能力极强，能独立且稳定地维护训练仓库。 4. 具备量化优化、ONNX/TensorRT/CUDA 推理优化经验。 5. 具备出色的 Problem-solving 能力，能将“模型指标不升反降”精准拆解并定位根因。 加分项： 1. 拥有 Jetson / ARM / 嵌入式 AI 推理极致优化经验。 2. 有流式模型（Streaming）、Chunked inference、端云一致性治理经验。 3. 熟悉 FSDP / DDP / DeepSpeed 及混合精度训练。 4. 做过端侧语音、视觉、边缘 VLM 或轻量多模态模型。
