负责行业领先的超大规模云基础设施网络平台研发，打造AI时代的顶级网络技术及产品 -负责CDN、边缘计算、流量调度，以及智能负载均衡、HTTP、DNS、网络测量、网络协议栈等相关技术和产品的研发 -负责高性能网络与高性能云主机研发，包含RDMA、智能网卡、虚拟化技术等 -负责自研交换机、网络操作系统、高性能路由协议栈等相关技术和产品的研发

-负责百度核心产品功能和架构开发 -负责核心技术算法的研究、实现和优化 -与产品、算法团队协作，将AI大模型能力快速集成到业务产品中 -负责关键系统的稳定性保障，进行故障排查与性能调优 -负责前瞻技术的跟踪调研和产品创新 -善用AI辅助编程工具提升研发效率

-负责AI/大模型方向产品的规划、设计与迭代，深入理解用户需求，定义产品核心功能与体验 -结合大模型能力演进趋势，推动AI能力在产品中的落地，探索人机协作的最优交互模式 -跨团队协作，与算法、研发、设计团队紧密配合，推动产品从0到1落地并持续优化 -深入分析用户数据与市场反馈，驱动产品关键指标增长 -具备AI产品思维，善用AI工具提升工作效率与产品创新能力

-从事多模态大模型（视觉-语言、音频-语言、跨模态生成等）的算法研究与工程实现 -探索多模态理解与生成能力的提升方法，包括图文对齐、跨模态检索、多模态推理等 -结合最新多模态大模型进展，推动技术快速迭代 -设计高质量多模态训练数据方案与评估体系 -紧跟多模态前沿研究，将论文成果高效转化为工程实践

- 智能化测试框架与平台研发：负责迭代升级自动化测试框架，主导AI智能化测试平台的设计、开发与落地，融合大模型、AI Agent技术，实现测试任务自主编排、脚本自愈、用例复用，全面提升测试自动化率、迭代效率与业务覆盖率，支撑产品快速迭代 - 全链路质量保障与AI专项测试：负责产品功能、接口、性能、兼容性全维度测试工作，同时承接大模型相关专项测试，包括模型输出准确性、逻辑推理能力、多轮对话一致性、内容安全性、鲁棒性及性能稳定性评测，保障AI赋能场景与核心业务的整体质量 - 大模型测试能力落地与质效提优：深耕大模型在测试质效场景的落地应用，搭建智能化测试体系，实现基于大模型的需求解析、测试用例自动生成、测试数据智能构造、缺陷智能定位与根因分析、测试报告自动输出，解决传统测试重复性高、场景覆盖不全、问题排查低效等痛点 - 协同研发与技术评审优化：深度参与产品需求评审、系统架构设计、代码评审及AI模型应用方案评审，结合业务场景与测试经验，针对业务逻辑、代码漏洞、大模型应用风险、测试薄弱点提出优化建议，前置规避质量风险，推动研发、测试、AI应用全流程协同提效 - 质量体系建设与流程持续迭代：持续优化测试全流程规范，搭建适配AI智能化测试的质量度量体系，建立大模型测试资产库（评测数据集、专项用例、评测脚本、基准指标），沉淀标准化AI测试方案，持续迭代测试流程、工具与方法论，实现质量可量化、可追溯、可优化 - 前沿技术调研与落地创新：跟进大模型、AI测试前沿技术，调研AIGC、智能评测、自动化故障注入等新技术在质量保障场景的应用，落地创新测试方案，持续提升团队测试智能化、自动化水平，打造高效智能的质量保障体系

-负责大模型智能体（Agent）系统全链路设计与开发，搭建具备自主规划、复杂推理、动态决策能力的智能体架构，推动智能体在实际业务场景的规模化落地 -主导智能体核心算法研发与迭代优化，深耕意图理解、多步任务规划、工具调用、长短期记忆管理、多智能体协同等核心模块，持续提升任务完成准确率与系统鲁棒性 -搭建多维度智能体评估体系，建立效果、效率、资源成本一体化量化指标，驱动产品与算法持续迭代与自进化 -推进基于智能体驱动的业务创新，挖掘并孵化高价值应用场景，实现从技术验证到产品落地的闭环，构建差异化业务模式与增长飞轮

-从事大语言模型（LLM）的预训练、后训练（SFT/RLHF）及应用落地算法研究 -探索大模型在推理、代码生成、多轮对话、知识问答等核心能力的提升方法 -结合强化学习、检索增强（RAG）、思维链（CoT）等前沿技术，推动模型能力边界突破 -设计数据策略与评估体系，驱动模型质量持续迭代 -紧跟LLM前沿进展，将学术成果快速转化为工程实践

1. 构建AI异构计算加速引擎，负责底层算子、通信库、编译系统开发与优化； 2. 面向CPU/GPU/FPGA/ASIC等架构进行性能调优； 3. 设计自适应分布式系统，优化大模型训练与推理效率； 4. 探索算法与算力协同优化，降低大模型成本。

1. 负责多模态大模型的算法研发与迭代，覆盖图文、视频、语音、3D等多模态融合理解与生成； 2. 研究跨模态对齐、对比学习、扩散模型、视频生成、图像编辑、3D生成、风格迁移等前沿技术； 3. 参与多模态数据pipeline建设、评测体系设计与业务落地，推动模型在搜索、推荐、AIGC、健康、自动驾驶、网盘文库、视频理解、解题等核心场景中的应用； 4. 研发方向包括但不限于：视觉感知算法、多模态理解模型、图像/视频生成、模型压缩轻量化、文档多模态等； 5. 建设多模态数据管线，优化模型训练与推理效率，完成算法模型的训练、优化和部署。

-参与HR核心模块轮岗，包括招聘、HRBP及COE相关工作，系统了解HR各模块的工作机制与协作方式 -在导师指导下参与真实业务和HR项目，逐步独立承担招聘、员工沟通、组织与人才、培训及文化等相关工作 -结合轮岗阶段开展专项课题研究，围绕实际业务问题提出解决方案并推动验证 -将AI工具应用到HR实际场景中，探索招聘提效、组织诊断、人才管理等方向的创新实践 -参与HR年度重点项目，如人才盘点、组织发展、学习发展、文化建设等，并承担相关分析、方案设计及项目执行工作 -定期进行工作总结与复盘，在导师指导下不断提升HR专业能力、业务理解和问题解决能力