深圳虾皮信息科技有限公司

算法工程师-AI方向

岗位职责：

职位描述

1. 预训练方向 (Pre-training & Architecture)：探索大模型能力的边界，负责基座模型的训练与优化。探索超越Transformer的下一代架构（如SSM、MoE、Linear Attention等），优化长上下文（Long Context）与推理效率。 参与万亿级Token的高质量数据清洗、配比与合成数据（Synthetic Data）研究，探索Data-Centric AI的极限。优化Megatron-LM、DeepSpeed等训练框架，解决千卡/万卡集群下的训练稳定性与通信瓶颈。

2. 后训练与对齐方向 (Post-training & Alignment)：让模型更“懂”人类，并通过强化学习激发模型的高阶推理与泛化潜能。研发高效的SFT（监督微调）策略，探索参数高效微调（PEFT），优化多轮对话与指令遵循能力。深入研究 PPO、DPO、GRPO 等算法；探索 Online RL（在线强化学习） 机制，通过环境交互与大规模 Self-play（自我博弈），实现模型能力的自主进化。

3. 大模型评测方向 (Evaluation)：做大模型的“考官”，建立科学、客观、自动化的能力评估体系。设计针对通用能力、垂类知识、安全性及幻觉（Hallucination）的评测Benchmark。训练LLM-as-a-Judge，利用大模型评估大模型，探索评测的一致性与偏差问题。

4. 大模型应用与Agent构建 (Application & Agents)：将模型能力转化为实际生产力，构建能够解决复杂任务的智能体。研发检索增强生成技术，解决向量检索、重排序及上下文融合中的痛点。设计能够自主规划、调用工具（Tool Learning）、记忆与反思的智能体系统（如Multi-Agent协作）。

职位要求

熟练掌握Python/C++，具备优秀的代码风格和算法数据结构基础。

深入理解Transformer原理（Attention机制、位置编码、归一化等），熟悉PyTorch/TensorFlow等主流框架。

对新技术（如OpenAI最新Paper）保持极度敏感，具备快速复现前沿算法的能力。

加分项：

顶会发表： 在ICML, NeurIPS, ICLR, CVPR, ACL, EMNLP等顶级会议以一作发表过高质量论文。

开源贡献： 曾参与HuggingFace, vLLM, DeepSpeed等知名开源项目，或拥有高Star的个人Github项目。

竞赛获奖： 在ACM-ICPC, Kaggle或大模型相关挑战赛中获得Top名次。

实战经验： 曾实际参与过百亿参数（10B+）以上模型的训练、RLHF全流程或大规模RAG系统的落地。

为什么选择我们？

算力自由： 充足的GPU资源，不再因为没有显卡而限制你的想象力。

大牛导师： 业内顶尖科学家作为Mentor，一对一指导你的职业成长。

宽容的创新环境： 我们鼓励Failed Attempts，因为伟大的算法往往诞生于无数次失败之后。

岗位要求：

职位描述

1. 预训练方向 (Pre-training & Architecture)：探索大模型能力的边界，负责基座模型的训练与优化。探索超越Transformer的下一代架构（如SSM、MoE、Linear Attention等），优化长上下文（Long Context）与推理效率。 参与万亿级Token的高质量数据清洗、配比与合成数据（Synthetic Data）研究，探索Data-Centric AI的极限。优化Megatron-LM、DeepSpeed等训练框架，解决千卡/万卡集群下的训练稳定性与通信瓶颈。

2. 后训练与对齐方向 (Post-training & Alignment)：让模型更“懂”人类，并通过强化学习激发模型的高阶推理与泛化潜能。研发高效的SFT（监督微调）策略，探索参数高效微调（PEFT），优化多轮对话与指令遵循能力。深入研究 PPO、DPO、GRPO 等算法；探索 Online RL（在线强化学习） 机制，通过环境交互与大规模 Self-play（自我博弈），实现模型能力的自主进化。

3. 大模型评测方向 (Evaluation)：做大模型的“考官”，建立科学、客观、自动化的能力评估体系。设计针对通用能力、垂类知识、安全性及幻觉（Hallucination）的评测Benchmark。训练LLM-as-a-Judge，利用大模型评估大模型，探索评测的一致性与偏差问题。

4. 大模型应用与Agent构建 (Application & Agents)：将模型能力转化为实际生产力，构建能够解决复杂任务的智能体。研发检索增强生成技术，解决向量检索、重排序及上下文融合中的痛点。设计能够自主规划、调用工具（Tool Learning）、记忆与反思的智能体系统（如Multi-Agent协作）。

职位要求

熟练掌握Python/C++，具备优秀的代码风格和算法数据结构基础。

深入理解Transformer原理（Attention机制、位置编码、归一化等），熟悉PyTorch/TensorFlow等主流框架。

对新技术（如OpenAI最新Paper）保持极度敏感，具备快速复现前沿算法的能力。

加分项：

顶会发表： 在ICML, NeurIPS, ICLR, CVPR, ACL, EMNLP等顶级会议以一作发表过高质量论文。

开源贡献： 曾参与HuggingFace, vLLM, DeepSpeed等知名开源项目，或拥有高Star的个人Github项目。

竞赛获奖： 在ACM-ICPC, Kaggle或大模型相关挑战赛中获得Top名次。

实战经验： 曾实际参与过百亿参数（10B+）以上模型的训练、RLHF全流程或大规模RAG系统的落地。

为什么选择我们？

算力自由： 充足的GPU资源，不再因为没有显卡而限制你的想象力。

大牛导师： 业内顶尖科学家作为Mentor，一对一指导你的职业成长。

宽容的创新环境： 我们鼓励Failed Attempts，因为伟大的算法往往诞生于无数次失败之后。

投递说明：

网申/内推 > 笔试（部分岗位不设笔试） > 2-3轮专业面试 > HR沟通 > Offer

Shopee是东南亚领航电商平台，覆盖新加坡、马来西亚、菲律宾、印度尼西亚、泰国及越南等市场，同时在中国深圳、上海和香港设立跨境业务办公室。2019 年 Shopee总订单量高达12亿，同比增长100.5%。根据权威移动数据分析平台 App Annie，2019年Shopee强势跻身全球购物类App下载量前五，同时斩获东南亚及台湾市场购物类App年度总下载量、平均月活数、安卓使用总时长三项冠军，并领跑东南亚两大头部市场，拿下印尼及越南年度购物类App下载量与月活量双冠王。