崗位職責(zé)
1針對大語言模型LLM的微調(diào)涵蓋全參數(shù)微調(diào)以及LoRA/QLoRA等參數(shù)高效微調(diào)技術(shù)
2負(fù)責(zé)模型評估與測試并構(gòu)建自動(dòng)化測試流程優(yōu)化訓(xùn)練流程利用DeepSpeedFSDP等分布式訓(xùn)練技術(shù)提高訓(xùn)練效率
3研究最新的對齊技術(shù)DPORLAIF以優(yōu)化模型的交互體驗(yàn)和響應(yīng)質(zhì)量
4開展對比實(shí)驗(yàn)分析不同模型架構(gòu)數(shù)據(jù)規(guī)模優(yōu)化策略的影響并制定相應(yīng)的優(yōu)化方案
5參與MLOps工作支持模型部署推理優(yōu)化如INT4/INT8量化服務(wù)化FastAPI/Triton
崗位要求
1計(jì)算機(jī)科學(xué)人工智能機(jī)器學(xué)習(xí)等相關(guān)專業(yè)碩士及以上學(xué)歷應(yīng)屆生亦可
2熟練掌握深度學(xué)習(xí)框架PyTorchTensorFlow熟悉Transformers庫Hugging Face
3具備大模型微調(diào)經(jīng)驗(yàn)了解LoRA/QLoRAPrefix TuningP-Tuning等參數(shù)高效微調(diào)方法
4熟悉數(shù)據(jù)標(biāo)注數(shù)據(jù)清洗等數(shù)據(jù)處理技術(shù)掌握NLP數(shù)據(jù)增強(qiáng)方法
5掌握常見的LLM 評測方法包括人工評測GPT-4評分自動(dòng)評測BLEUROUGE等
6熟悉分布式訓(xùn)練了解DeepSpeedFSDPMegatron等技術(shù)
7具備工程思維能編寫高效的數(shù)據(jù)處理訓(xùn)練測試代碼并優(yōu)化計(jì)算資源
舉報(bào)
1針對大語言模型LLM的微調(diào)涵蓋全參數(shù)微調(diào)以及LoRA/QLoRA等參數(shù)高效微調(diào)技術(shù)
2負(fù)責(zé)模型評估與測試并構(gòu)建自動(dòng)化測試流程優(yōu)化訓(xùn)練流程利用DeepSpeedFSDP等分布式訓(xùn)練技術(shù)提高訓(xùn)練效率
3研究最新的對齊技術(shù)DPORLAIF以優(yōu)化模型的交互體驗(yàn)和響應(yīng)質(zhì)量
4開展對比實(shí)驗(yàn)分析不同模型架構(gòu)數(shù)據(jù)規(guī)模優(yōu)化策略的影響并制定相應(yīng)的優(yōu)化方案
5參與MLOps工作支持模型部署推理優(yōu)化如INT4/INT8量化服務(wù)化FastAPI/Triton
崗位要求
1計(jì)算機(jī)科學(xué)人工智能機(jī)器學(xué)習(xí)等相關(guān)專業(yè)碩士及以上學(xué)歷應(yīng)屆生亦可
2熟練掌握深度學(xué)習(xí)框架PyTorchTensorFlow熟悉Transformers庫Hugging Face
3具備大模型微調(diào)經(jīng)驗(yàn)了解LoRA/QLoRAPrefix TuningP-Tuning等參數(shù)高效微調(diào)方法
4熟悉數(shù)據(jù)標(biāo)注數(shù)據(jù)清洗等數(shù)據(jù)處理技術(shù)掌握NLP數(shù)據(jù)增強(qiáng)方法
5掌握常見的LLM 評測方法包括人工評測GPT-4評分自動(dòng)評測BLEUROUGE等
6熟悉分布式訓(xùn)練了解DeepSpeedFSDPMegatron等技術(shù)
7具備工程思維能編寫高效的數(shù)據(jù)處理訓(xùn)練測試代碼并優(yōu)化計(jì)算資源
舉報(bào)
溫馨提示

- 你可能感興趣的職位
- 最近瀏覽記錄
-
20-30萬/年
-
25-30萬/年
-
1-10萬/月
-
1.5-1.8萬/月
-
2-2.5萬/月
-
30-40萬/年
-
20-35萬/年
-
30-50萬/年
暫沒有相關(guān)信息
- 公司規(guī)模:1-49人
- 公司性質(zhì):0
- 所屬行業(yè):電力、電氣、自動(dòng)化、熱力、鍋爐、照明、電池、電源、電纜、光電等
- 聯(lián)系人:沈家祺
- 手機(jī):會(huì)員登錄后才可查看
- 郵箱:會(huì)員登錄后才可查看
- 郵政編碼:
工作地址
- 地址:深圳市南山區(qū)西麗街道TCL國際E城E2棟601