翻译大模型算法工程师

工作职责:
岗位职责：
1. 参与多语种翻译大模型全流程研发，负责基座模型微调、翻译专项SFT、指令对齐、Prompt优化、样本筛选与迭代工作，持续提升模型通用翻译、长文本翻译、领域翻译的效果与稳定性。
2. 针对机器翻译核心痛点开展专项优化，包括多语种一致性优化、低资源小语种翻译效果提升、长上下文翻译歧义消解、专业术语精准度优化、上下文连贯性优化等，解决实际业务中的翻译质量问题。
3. 参与翻译语料库的建设、清洗、筛选、质控与扩充，负责高质量翻译样本构建、脏数据过滤、数据分布优化，搭建适配大模型训练的翻译数据体系，支撑模型迭代升级。
4. 负责翻译模型日常效果评测，熟练使用BLEU、COMET、BLEURT等自动评测指标，配合人工评测机制完成模型效果复盘，精准定位模型缺陷，输出优化方案并落地验证，形成迭代闭环。
5. 跟踪机器翻译、多语言大模型、大模型对齐、RLHF、蒸馏量化等行业前沿技术，结合业务场景完成技术落地与创新优化，参与技术调研、方案验证与技术沉淀。
6. 工程协同与模型优化：配合工程团队完成模型量化、蒸馏、轻量化适配与部署迭代，优化模型推理速度、显存占用，兼顾翻译效果与线上服务性能，保障线上模型稳定运行。
工作要求:
任职要求：
1. 本科及以上学历，计算机、人工智能、自然语言处理、机器学习、大数据等相关专业，1-3年机器翻译、多语言大模型、NLP算法研发落地经验。
2. 精通Transformer核心架构，熟悉多语言预训练模型、机器翻译核心原理，熟练掌握大模型微调、对齐、Prompt工程等专项技术。
3. 熟练使用PyTorch训练框架，具备独立完成大模型微调、数据处理、模型评测、效果优化的完整实操能力，熟悉分布式训练、模型优化基础原理。
4. 熟悉主流多语言/翻译开源模型（Qwen-MT、LLaMA、MarianMT、M2M-100等），具备真实的翻译模型迭代优化、问题排查实战经验。
5. 熟练掌握Python编程，熟悉语料清洗、数据增强、文本预处理等工具与方法，具备良好的代码能力和工程素养。
6. 具备良好的问题拆解能力和复盘能力，能够精准定位翻译模型问题并落地优化，有较强的执行力和团队协作能力。
加分项：
1. 有大厂机器翻译、多语言大模型、NLP大模型相关项目落地经验者优先。
2. 精通低资源语种翻译、长文本翻译、法律/医疗/金融等垂直领域专业翻译优化者优先。
3. 熟悉RLHF、DPO等大模型对齐技术，有翻译模型对齐优化实战经验者优先。
4. 在ACL、EMNLP、NAACL等NLP顶会有相关论文阅读、复现或发表经验者优先。
5. 熟悉多模态翻译、语音文本联合翻译优化、模型轻量化部署者优先。