联系我们

一、岗位职责

1. 深度学习模型硬件实现

负责神经网络（CNN、DNN等）在FPGA上的RTL级硬件实现，确保功能、性能与精度达标。

2. RTL编码与维护

使用Verilog/VHDL编写高质量、可综合的RTL代码，完成设计迭代与维护。

3. 硬件加速器设计优化

设计并优化深度学习硬件加速器架构，提升计算吞吐量、降低延迟与功耗。

4. FPGA测试与调试

参与FPGA板级测试、调试及性能验证，定位并解决硬件实现中的问题。

5. 软硬件协同对接

与算法工程师紧密协作，深入理解模型数学原理与计算流程，保证硬件实现与算法意图一致。

6. 技术文档编写

撰写设计说明、测试报告、问题分析及解决方案等文档，确保项目可追溯。

7. 技术跟踪与指导

持续跟踪FPGA与AI硬件加速前沿技术，为团队引入新方法、提供技术建议。

二、任职要求（基本条件）

1. 学历专业

电子工程、计算机科学、通信、自动化或相关专业，本科及以上学历。

2. 经验年限

3年以上深度学习模型硬件实现及FPGA开发经验。

3. 硬件描述语言

精通Verilog或VHDL，具备良好的编码与仿真验证习惯。

4. FPGA开发流程

熟悉完整FPGA设计流程：逻辑综合、布局布线、时序分析、仿真与板级验证。

5. 数字电路基础

具备扎实的数字电路设计与调试能力。

6. 软素质

- 能独立承担模块级设计与问题攻关；

- 良好的团队协作意识与沟通表达能力；

- 英文技术文档读写能力良好。

7. 对AI技术的兴趣

对人工智能技术及其硬件实现有持续学习的动力和应用热情。

三、加分项（优先考虑）

- 有完整且复杂的FPGA项目流片或量产经验；

- 熟悉Xilinx（Vivado/Vitis）或Intel（Quartus）等现代FPGA工具链及底层架构；

• - 具备深度学习模型硬件加速器设计经验（如卷积加速阵列、数据流架构、量化推理等）。

点击投递

工作职责：

1.参与AI模型训练框架研发，支持模型的训练、微调等；

2.通过并行加速、通信掩蔽、训推一体复用等技术，实现模型训练性能优化；

3.研发高效的故障定位系统和容错机制，保障大规模训练的稳定性，监控训练任务日志，快速识别和修复问题；

4.重点模型的推理优化，推理性能分析诊断及服务性能优化

工作要求

1.五年及以上工作经验，其中至少两年及以上相关经验；

2.具有较强的编程能力，熟练 Python/C/C++一种或多种编程语言，有良好的代码习惯；

3.熟悉主流的机器学习框架和推理框架如 Pytorch 、Megatron/DeepSpeed、TensorRT、VLLM等，有实际模型工程化经验优先；

4.熟悉 Linux 操作系统；

5.加分项：CUDA开发优化经验、模型压缩和编译优化经验，不同芯片适配经验等。

点击投递

岗位职责

1. 参与 LLM 后训练全流程实验，包含 SFT、RL、Agentic RL 开发调优；

2. 主攻大模型数学推理优化，探索自然语言 / 形式化数学证明能力提升方案；

3. 协助完成数据合成、模型后训练(RL训练、Agentic RL系统优化)、搭建Benchmark跟踪与测试，推动模型能力提升；

4. 协同团队开展相关实验，输出技术文档，跟进复现前沿推理、强化学习相关论文；

任职要求

1. 计算机 / 人工智能 / 数学等相关在读本科生或硕士，深度学习、大模型理论基础扎实；

2. 熟练 Python 与 PyTorch，懂 Transformer、SFT、RLHF 基础，能独立写模型微调代码；

3. 熟悉 Linux 开发环境，有数据集处理、模型评测相关实操经验优先；

加分项

- 有 SFT/RLHF/Agent 训练实操经历；

- 做过 GSM8K、MiniF2F 等数学推理 Benchmark 相关实验；

- 掌握 DeepSpeed/vLLM 等大模型训练框架，复现过 AI 顶会论文；

点击投递

岗位职责

1. 按照业务需求开发、维护网页及移动端爬虫脚本，抓取行业公开竞品、商品、资讯等数据。

2. 处理网站反爬限制，通过代理、请求伪装、验证码识别等方式稳定抓取数据。

3. 完成数据清洗、去重、入库，定期交付标准化数据表，及时排查爬虫异常。

4. 优化现有爬虫程序，提升抓取速度、稳定性，配合数据团队完成数据需求落地。

任职要求

1、本科及以上学历，3 年以上大规模爬虫开发经验。

2、精通 Python，熟练 Scrapy-Redis 分布式架构，精通异步协程、并发编程，精通 Redis 分布式锁、布隆过滤器去重原理与落地。

3、精通 HTTP 协议、HTTPS 加密原理，熟练 Charles、Fiddler、mitmproxy 抓包分析；精通 JS 逆向、AST 反混淆、小程序逆向，可独立完成复杂加密接口还原。

4、具备良好技术文档编写、团队协作能力，熟悉数据采集相关法律法规，具备合规采集项目经验。

加分项

1、具备 Android/iOS APP 逆向经验，熟练 Frida、Jadx、Unidbg 等逆向工具。

2、参与过企业级数据采集平台自研，熟悉任务调度、爬虫监控、权限管理后台开发。

3、有开源爬虫项目贡献、技术博客沉淀，熟悉大模型辅助数据采集、智能解析等技术落地。

点击投递

关于团队

团队正在系统性探索智能体、AI、自动化和新型工程范式如何赋能整个数据部门，而不只是数据工程链路。目标是让运营、产品、管理、分析、科学、采集、生产、平台和基础设施的关键工作流更高效、更可靠、更可审计。

岗位使命

前沿范式研究工程师负责探索和验证新技术范式在数据部门真实业务中的落地方式，把不确定的技术方向转化为可验证试点、采用建议、参考架构、技术路线图和可复用方法。

主要职责

识别部门内高杠杆工作流痛点，包括运营交付、产品治理、管理汇报、分析建模、数据科学、采集、生产、平台服务和基础设施场景。

跟踪智能体工作流、AI、自动化、知识工程、流程智能化、机器学习/模型工程、可观测性、数据治理等方向的技术演进。

设计 4-6 周可验证试点，定义价值假设、成功标准、失败标准、停止条件、权限边界、审计机制和交接负责人。

将试点结果沉淀为采用、观察、拒绝或延后建议，并说明证据、成本、风险和组织推广使用条件。

与产品治理、平台服务、运营交付和六纵业务主责人协作，推动合适范式进入正式路线图。

对不适合采用的方向给出有证据的否决或延后建议，避免 demo 化、第二事实源和治理噪音。

必备要求

有复杂业务系统、数据系统、平台工程、AI 工程、流程自动化、知识工程、数据科学或管理提效方向的实战经验。

能深入理解业务工作流，而不是只从技术工具出发。

能把模糊问题拆成可验证假设、工作样本、评估指标和阶段性实验。

理解事实源、权限、审计、数据安全、人工审核、错误传播、可观测性和迁移风险。

能写清楚技术判断、采用建议和路线图，并能与运营、产品、管理、分析、科学和工程角色沟通。

加分项

有智能体工作流、AI copilots、RPA、NLP、智能文档处理、知识库问答、MCP、模型工程、机器学习平台或内部工具平台经验。

有将新技术从试点推进到平台化、流程化或组织采用的经验。

有量化、金融数据、另类数据、资产管理、投研运营、数据产品或大规模数据生产经验。

有既服务工程角色、又服务非工程角色的提效项目经验。

强候选人通常具备

对新技术敏感，但不盲目追新。

能从业务提效出发，而不是从“做一个智能体 demo”出发。

能用证据证明一个方向值得推进、应该延后或必须放弃。

能同时理解技术深度、业务流程、产品价值、组织采用成本和风险边界。

能把复杂判断写成别人可以执行和审计的路线图。

这个岗位不是什么

不是 FDE，不以单个业务场景的定制交付、上线运营和用户培训为核心职责。

不是纯研究员，不以论文、概念或趋势报告为终点。

不是平台数据生产负责人，不长期维护某个生产系统。

不是项目管理，不主责项目排期、资源和供应商节奏。

不是架构委员会，不做脱离试点证据的抽象评审。

点击投递