代码智能化算法与应用

1. 负责代码大模型（Code LLM）的全链路研发工作，涵盖持续续训、监督微调（SFT）及强化学习（RL）等核心环节，并结合Agent相关技术构建代码补全、代码生成、代码优化、光标位置预测及智能重写等核心能力； 2. 持续追踪并对标国际领先的AI编码辅助产品（如Cursor等），通过技术攻坚不断迭代代码理解与生成的质量，确保在复杂编程场景下为开发者提供极致的智能化体验； 3. 负责构建稳定、可靠的高性能Code AI服务体系，深入应用投机解码（Speculative Decoding）、模型量化等推理加速技术，实现模型部署的极致优化与资源高效利用； 4. 致力于提供低延迟、高吞吐的AI编程服务支撑，通过算法与工程的深度融合，解决大规模并发下的推理性能瓶颈，确保AI能力在实际研发场景中的高可用性与顺滑落地。

1. 获得本科及以上学历，计算机科学、软件工程、人工智能、自然语言处理（NLP）等相关专业； 2. 具备代码大模型（Code AI）相关研究背景，包括代码生成、补全、优化及AI4SE等领域，或熟悉高性能Code AI服务，掌握投机解码、模型量化等推理加速技术及AI Infra相关研究； 3. 精通PyTorch、TensorFlow等深度学习框架，具备大语言模型（LLM）微调与强化学习实战经验，掌握代码抽象语法树（AST）分析、静态分析以及高级语言语法语义分析等软件工程方法； 4. 在软件工程或人工智能领域的顶级学术会议（如ICSE、ASE、FSE、NeurIPS、ICML等）上有高质量论文发表记录，或具备Code LLM SFT/RL项目实战、知名企业研发实习经历者优先。