招贤纳士
一、音乐类垂直领域预训练（数据/算法）研究员
深度学习研究员
【工作职责】
预训练算法研究方向
- 针对实际的问题和瓶颈，软硬件协同地设计强大和高效的模型结构。
- 设计高性能和鲁棒的优化器，研究模型训练过程中的动力学和稳定性问题。
- 建立科学的 scaling law，对模型的 scaling 行为建立认知，并进行合理的预测和规划。
- 研究各种训练和推理加速算法。
- 探索开拓性的新型模型结构和训练方法。
- 保持对领域前沿的学习和跟进，持续推动和预训练相关的基础研究。
预训练数据研究方向
- 持续搭建和改进现有的数据生产管线，与数据上下游保持紧密合作。
- 设计和建立科学、严谨、能落地的数据治理体系，持续优化数据配比与筛选策略。
- 通过数据实验持续挖掘已有不足并补齐，建立数据与智能之间的纽带。
- 构建多维度模型评估体系（自动+人工），覆盖通用能力及垂直场景。
- 研究数据的合成与 scaling 行为。
- 音乐垂类数据研究：多模态数据、agent 数据、用户反馈数据、高质量学术数据等。
- 保持对领域前沿的学习和跟进，持续推动和预训练相关的基础研究。
二、大模型训练/推理框架工程师
AI核心系统研发
【工作职责】
- 建设分布式训练推理系统，包括模型并行、长上下文、MoE、低精度训推等。
- 建设 RL 训练系统，包括异步 RL、Agent RL、OPD 等。
- 建设多模态训练系统，包括模型结构搭建、性能显存优化、数据读取加速等。
- 与算法团队协作，支持新模型、新算法快速落地。
【岗位要求】
- 基础扎实，学习能力强，愿意深入复杂系统和底层细节。
- 代码能力强，代码品味好，擅长与 Code Agent 合作。
- 对大模型训练、推理、RL、多模态系统优化有强烈兴趣。
- 熟悉 Python / C++ / Rust 之一，了解 PyTorch。
三、AI音乐交叉学科技术专家
全栈开发/算法
【岗位要求】
- 对AI研究有极大的、真实的、长期的热情，并有实际的行动与成果来支持你的热情。热衷于探索AI的所有可能边界。相信AGI。
- 具有极强的动手能力和学习能力，对感兴趣的事情愿意投入百分百的精力和热情；独立思考，不盲目从众。
- 具备基础的计算机编程能力和知识。
- 具有良好的计算机领域+音乐领域交叉教育背景。
【加分项】
- 在各类计算机类竞赛中取得过世界级或国家级的优异成绩。
- 在任何一个领域做到过极致，能证明自己的专注力和钻研深度。
- 有著名开源项目贡献、个人技术博客或书籍。
- 曾经创过业，或从零到一做成过有一定影响力的事情。
- 不走寻常路，具备创造力。
（上述岗位工作地点：武汉， 工作待遇面议。）