算法工程师（大模型轻量化与隐私计算方向）

主要职责 负责大模型的压缩、量化、蒸馏、剪枝等轻量化算法的设计与实现； 研究并落地联邦学习、同态加密、安全多方计算（MPC）等隐私计算技术； 优化模型的推理性能和能效比，支持在边缘设备、私有云等场景的部署； 参与模型训练管线的开发与优化，包括分布式训练与参数同步策略； 跟踪大模型轻量化与隐私计算的前沿学术进展，并进行技术创新。 任职要求 计算机科学、人工智能、数学、密码学等相关专业； 熟悉主流深度学习框架（PyTorch/TensorFlow/JAX等）； 有以下任一方向经验者优先： 模型量化（如QLoRA、AWQ、PTQ、INT4/INT8推理优化）； 模型蒸馏与结构剪枝； 隐私计算（联邦学习、差分隐私、同态加密、安全多方计算）； 具备良好的工程能力，熟悉分布式训练、CUDA或模型部署优化； 具备独立科研能力或在顶会（NeurIPS/ICML/ICLR/AAAI/CVPR）发表论文者优先。 加分项 有在大模型（如Llama/Qwen/InternLM/ChatGLM等）上进行轻量化优化的项目经验； 具备隐私计算框架（如FATE、OpenMined、TensorFlowPrivacy）的使用经验； 具有开源项目贡献经验或实际落地案例。