大模型算法工程师

负责搭建、训练及优化AI试衣大模型，实现虚拟服装试穿效果的高精度生成与渲染。主导从数据处理、模型架构设计到落地部署的全流程，确保模型在服装版型适配、材质渲染、人体姿态识别等场景下的性能提升，推进AI试衣技术在电商、新零售等领域的商业化落地。 模型架构与训练 设计并迭代AI试衣大模型架构（涵盖图像生成、人体姿态估计、3D渲染等功能模块）。 制定高效的大模型训练方案，包括数据并行与模型并行策略、损失函数构建（如像素级损失、感知损失、3D几何约束），兼顾模型规模与生成精度的最优平衡。 数据处理与优化 建设专用AI试衣数据集，整合人体三维扫描数据、服装CAD文件、多视角试穿图像等内容，完成数据清洗、增强及标注标准制定。 优化数据预处理流程（如姿态标准化、纹理对齐映射），提高输入数据与模型任务之间的契合度。 训练流程与工程落地 搭建基于GPU/TPU的分布式训练环境，监控算力使用率、显存占用及训练收敛速度，解决梯度异常、过拟合等训练难题。 主导模型量化、压缩与推理加速工作，保障模型在移动端（APP、Web）的低延迟、实时运行能力。 跨团队协作与技术迭代 联合算法、工程与产品团队，将AI试衣功能嵌入电商平台、虚拟试衣间等实际应用场景，明确关键技术指标（如试穿贴合准确率＞95%）。 持续关注行业前沿进展（如3D生成模型、动态人体建模技术），推动模型持续演进，增强服装褶皱、面料反光等细节的真实表现力。