美团平台招聘面向负责大模型训练和角色扮演业务场景的算法研究员和算法工程师。
作为具有全国影响力的零售科技平台,美团平台汇聚美食、外卖、酒店旅游、电影、打车、共享单车、休闲玩乐、美容美发等200多个品类和900万活跃商家。在通用人工智能行业不断进步的前景下,我们团队的愿景是让绝大多数人都能够享受到属于他们自己的深度个性化AI。为了实现这一愿景,我们面临着许多技术上的挑战,欢迎你的加入。这里有着丰富的GPU资源、数据资源以及开放的技术学习环境,你还可以获得在业内最前沿的大模型认知和技术积累,包括且不限于对 Scaling law、MoE、RLHF 、Long context 、RAG 等技术方向的全新理解。
工作地点:北京/上海
团队开放了三类招聘需求,请君与我倾耳听。
1、大模型高级算法工程师
岗位职责
- 负责端到端训练新的 AI 功能,需要在整个 ML stack 中身兼数职。
- 负责训练大模型,在效果、规模和推理速度方面迭代到最先进的技术水平。
招聘要求
- 本科以上学历,3+ 年使用深度学习框架(如 Pytorch、Tensorflow、Jax)的经验。
- 扎实的编程能力(C++/C、Go、Python)
具备以下(任意一项)经验者优先:
- 在生产环境中开发AI/ML系统和服务的经验,包括 GPU 部署优化。
- 有使用现代类型化语言(如 Golang)编写高性能服务的经验。
- 在设计、训练、评估和部署机器学习模型(尤其是 LLM)方面有深刻的理解。
- 具有使用 CUDA 或 Triton 编写 GPU 内核的经验。
2、大模型算法研究员/专家
岗位职责
- 负责参与 Scaling law、MoE、RLHF 、Long context 、RAG 等方向的研究。
- 负责训练大模型,在效果、规模和推理速度方面迭代到先进的技术水平。
招聘要求
- 硕士以上学历,3+ 年使用深度学习框架(如 Pytorch、Tensorflow、Jax)的经验。
- Python能力优秀
具备以下(任意一项)经验者优先:
- 有训练过多模态 generative models 的经验。
- 在设计、训练、评估和部署机器学习模型(尤其是LLM)方面有深刻的理解。
- 具备数学或者物理背景。
3、大模型高级算法工程师——数据实验方向
岗位职责
- 负责优化训练数据,包括利用不同的生成模型合成数据、利用 scaling law 设计更合理的数据配比,参与 RLHF 环节。
- 分析数据并为产品提供更好的方向。
- 通过你的工作,我们将通过利用更好的数据实现更优秀的AI模型。
招聘要求
- 3年以上工作经验,其中包括数据工程方面的经验,比如使用 PySpark、Beam 或 Flink 等工具构建大规模数据处理管道的经验。
- 熟练掌握 Python 和 SQL。
- 具备使用 Elasticsearch 和 Postgres 的经验。
- 具备使用 Docker 和 Kubernetes 进行容器化设置的经验。
感兴趣的朋友可以发简历给我工作邮箱:
如何系统的去学习大模型LLM ?
大模型时代,火爆出圈的LLM大模型让程序员们开始重新评估自己的本领。 “AI会取代那些行业
?”“谁的饭碗又将不保了?
”等问题热议不断。
事实上,抢你饭碗的不是AI,而是会利用AI的人。
继科大讯飞、阿里、华为
等巨头公司发布AI产品后,很多中小企业也陆续进场!超高年薪,挖掘AI大模型人才! 如今大厂老板们,也更倾向于会AI的人,普通程序员,还有应对的机会吗?
与其焦虑……
不如成为「掌握AI工具的技术人
」,毕竟AI时代,谁先尝试,谁就能占得先机!
但是LLM相关的内容很多,现在网上的老课程老教材关于LLM又太少。所以现在小白入门就只能靠自学,学习成本和门槛很高。
针对所有自学遇到困难的同学们,我帮大家系统梳理大模型学习脉络,将这份 LLM大模型资料
分享出来:包括LLM大模型书籍、640套大模型行业报告、LLM大模型学习视频、LLM大模型学习路线、开源大模型学习教程
等, 😝有需要的小伙伴,可以 扫描下方二维码领取🆓↓↓↓
一、LLM大模型经典书籍
AI大模型已经成为了当今科技领域的一大热点,那以下这些大模型书籍就是非常不错的学习资源。
二、640套LLM大模型报告合集
这套包含640份报告的合集,涵盖了大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师,还是对AI大模型感兴趣的爱好者,这套报告合集都将为您提供宝贵的信息和启示。(几乎涵盖所有行业)
三、LLM大模型系列视频教程
四、LLM大模型开源教程(LLaLA/Meta/chatglm/chatgpt)
LLM大模型学习路线 ↓
阶段1:AI大模型时代的基础理解
-
目标:了解AI大模型的基本概念、发展历程和核心原理。
-
内容:
- L1.1 人工智能简述与大模型起源
- L1.2 大模型与通用人工智能
- L1.3 GPT模型的发展历程
- L1.4 模型工程
- L1.4.1 知识大模型
- L1.4.2 生产大模型
- L1.4.3 模型工程方法论
- L1.4.4 模型工程实践
- L1.5 GPT应用案例
阶段2:AI大模型API应用开发工程
-
目标:掌握AI大模型API的使用和开发,以及相关的编程技能。
-
内容:
- L2.1 API接口
- L2.1.1 OpenAI API接口
- L2.1.2 Python接口接入
- L2.1.3 BOT工具类框架
- L2.1.4 代码示例
- L2.2 Prompt框架
- L2.3 流水线工程
- L2.4 总结与展望
阶段3:AI大模型应用架构实践
-
目标:深入理解AI大模型的应用架构,并能够进行私有化部署。
-
内容:
- L3.1 Agent模型框架
- L3.2 MetaGPT
- L3.3 ChatGLM
- L3.4 LLAMA
- L3.5 其他大模型介绍
阶段4:AI大模型私有化部署
-
目标:掌握多种AI大模型的私有化部署,包括多模态和特定领域模型。
-
内容:
- L4.1 模型私有化部署概述
- L4.2 模型私有化部署的关键技术
- L4.3 模型私有化部署的实施步骤
- L4.4 模型私有化部署的应用场景
这份 LLM大模型资料
包括LLM大模型书籍、640套大模型行业报告、LLM大模型学习视频、LLM大模型学习路线、开源大模型学习教程
等, 😝有需要的小伙伴,可以 扫描下方二维码领取🆓↓↓↓