AI算法管培生（扩散模型训练）27年应届生

技能： ●扩散模型训练/微调 ●模型加速（ONNX/TensorRT） ●模型量化/蒸馏 ●有相关论文发表或项目经验优先 ● 工作职责：训练扩散模型，设计新模型架构 ●落地推理加速方案，降低显存和延迟 ●效果验证 JD： AI算法开发管培生（扩散模型训练与加速）｜27年应届生优先 全职校招岗位｜本科 / 硕士应届生｜培养期可计入正式试用期｜1–2人 关于我们 美央创新科技（AIMIRA INNOVATION）是一家专注于医疗级具身智能机器人、医疗 AI 智能体及医疗级智能精密仪器研发与制造的高科技企业，隶属于英国 Calilia 国际集团。 公司先后获评国家级高新技术企业、国家级创新型企业、国家级科技型企业、广东省专精特新企业，并获得多项高层次人才与创新领军荣誉，包括： ●杭州未来科技城海外高层次人才奖 ●苏州工业园区领军人才奖 ●武汉江夏区创新领军人才奖 2025 年 9 月，公司完成第三轮数亿元 Pre-A+ 轮融资，规模位居全球 AI 医疗机器人赛道前列。公司获得多家国资平台、上市公司及头部投资机构支持，背后既有国家队资本，也有产业资本与长期主义投资人共同加持。 我们聚焦“年轻化产业智能化”，持续推动人工智能、精密制造与医学工程深度融合，已形成覆盖智能光电机器人、精准成像面诊智能体、智能注射机器人等方向的产品管线。公司核心团队来自北京大学、清华大学、伦敦大学学院（UCL）、麻省理工学院（MIT）、多伦多大学、墨尔本大学等世界一流院校，研发与产业化布局覆盖伦敦、多伦多、广州、杭州、苏州、武汉等核心城市。 如果你希望加入一家真正把 AI 落到真实场景、真实系统、真实业务流程里的公司，而不是只停留在概念和 PPT 上，美央会是一个非常不一样的起点。 岗位定位 这是一个面向本科或硕士应届毕业生的 AI 算法应用型开发管培岗位，聚焦扩散模型训练、微调、加速与部署优化方向。 需要特别说明的是，这个岗位不是短期实习岗，也不是单纯观察性质的“试试看”岗位。我们是以招聘全职入职为目标来选拔和培养管培生。也就是说，这个岗位从一开始就是按照未来正式岗位人才来筛选、培养和评估的。 对于符合要求并顺利通过培养阶段的候选人，岗位将直接进入正式用人序列。 同时，管培生培养期可作为全职入职的试用期计算。这意味着，只要你的表现达到要求，你的培养过程不是“额外绕一圈”，而是直接计入正式职业起点，成长路径更清晰，时间成本更低，发展节奏也更快。 这个安排本身也代表了我们对优秀毕业生的真实态度： 不是把你当临时支持人员来用，而是把你当未来骨干来培养。 这个岗位是做什么的？ 这是一个典型的 AI 算法落地型岗位。 你不会被安排去做空泛的“只追模型指标”的研究，而是会直接参与公司真实业务场景中的生成式模型训练与工程化落地。这个岗位更强调的是：如何把扩散模型的训练、微调、架构设计、推理加速与部署方案结合起来，把原本只在高算力环境下运行的模型，逐步升级为更快、更稳、更省资源、可进入实际系统的生成能力。 你会接触到的不只是模型训练本身，而是： ●扩散模型在真实业务中的落地方式 ●模型效果、显存占用、推理延迟与可部署性之间如何平衡 ●ONNX、TensorRT、量化、蒸馏等工程手段如何真正提升系统效率 ●如何把模型问题拆成模块，再把模块做成真正可运行的能力 一句话说，这不是一个“只会调模型参数”的岗位，而是一个会让你成长为能把生成式模型变成实际生产力的人的岗位。 你将负责 1.参与公司扩散模型方向的算法开发与落地，协助推进生成式模型在真实业务场景中的训练、微调与应用。 2.参与扩散模型训练流程搭建、实验设计、参数调优与结果分析，持续提升生成质量与模型稳定性。 3.参与新模型架构设计与方案比较，结合业务目标探索更适合实际场景的生成模型路径。 4.推进模型推理加速方案落地，包括 ONNX、TensorRT 等部署方式的适配、优化与验证。 5.参与模型量化、蒸馏等轻量化工作，降低显存占用与推理延迟，提升模型可部署性。 6.参与效果验证体系建设，包括主客观效果评估、性能评估与实验对比分析。 7.与算法、软件、产品团队协作，推动“从模型效果到系统能力”的快速闭环。 8.在导师带领下，逐步成长为能独立负责一条生成式 AI 算法方向的复合型人才。 培养方式与发展路径 这个岗位采用“管培生培养 + 正式岗位导向”的方式推进。 你进入岗位后，不会被简单地作为普通助理型角色使用，而是会在真实项目中接受系统培养。培养内容包括： ●扩散模型训练、微调与架构设计能力训练 ●模型效果评估与实验分析能力训练 ●模型加速、量化、蒸馏与部署适配能力训练 ●与软件、产品、业务协同推进项目的能力训练 ●从任务执行者向独立生成式算法模块负责人的能力升级 更重要的是，这个培养阶段并不是悬空存在的。 培养期本身就按正式岗位导向进行管理和评估，表现达标后可直接衔接正式用人安排，且培养期可计入全职试用期。 也就是说，这不是“先实习、再另行考虑、再重新算起”的路径，而是一条更直接、更高效、更有确定性的成长通道。 表现优秀者，后续可向以下方向发展： ●生成式 AI 算法工程师 ●扩散模型算法工程师 ●模型加速与部署工程师 ●多模态生成算法工程师 ●AI 医疗生成方向骨干 我们希望你具备 基本要求 1.本科或硕士应届毕业生，计算机、软件工程、人工智能、自动化、数学等相关背景优先。 2.对 AI 算法落地 有强兴趣，不满足于只停留在论文阅读或基础调用阶段，希望把生成式模型真正变成可训练、可优化、可部署的系统能力。 3.熟悉扩散模型训练或微调流程，对相关生成式模型有一定理解或实践经验。 4.了解模型加速相关方案，对 ONNX、TensorRT 等部署优化工具有基础认识或实践经验。 5.了解模型量化、蒸馏等轻量化思路，并愿意深入做工程优化。 6.具备较好的算法实现基础，能够完成实验开发、效果验证与基础性能优化。 7.学习能力强，执行力强，能在不确定中快速推进。 8.逻辑清晰，做事有条理，能把复杂模型问题拆成步骤。 9.责任心强，不怕从 0 到 1 跑实验，不怕接触真实业务和工程细节。 10.有明确的职业发展意愿，希望进入一家高成长科技公司，以全职发展为目标，而不是只寻找一段短期过渡经历。 我们特别欢迎这样的人 ●不一定是顶级竞赛型选手，但真正做过扩散模型训练、微调或部署优化 ●不一定背景最传统，但对生成式模型、模型压缩和推理加速有很强兴趣 ●不一定已经做过完整产品，但有把模型从“能生成”推进到“能落地”的意识 ●不一定代码最花哨，但愿意在真实系统里反复调参、验证、优化显存和时延 加分项 1.有扩散模型、生成式模型、模型压缩或部署优化相关论文发表经历。 2.做过扩散模型训练、微调、LoRA、蒸馏、量化或推理加速相关项目。 3.有 ONNX、TensorRT、Torch script、CUDA 优化等相关实践经验。 4.有模型上线、部署、性能调优或多平台适配经验。 5.对生成式 AI、模型系统优化、多模态方向有持续关注与实践。 6.喜欢折腾新方法，不排斥快速试错和边做边迭代。 这不是一个适合谁的岗位？ 这不是一个只想“找一份轻松实习盖章”的岗位。 也不适合只想做纯理论研究、不愿接触性能优化与部署约束的人。 更不适合只会调用开源模型、不会训练、不会做实验分析、不会优化显存与时延的人。同时，这个岗位也不适合把它当作短暂停留选项的人。 因为我们对这个岗位的定位很明确：以全职入职和长期培养为目标。如果你只是想先看看、暂时过渡一下，这个岗位并不匹配。 我们更看重的是： 能不能把生成式模型真正做起来，能不能把一个真实模型问题推进成真正可运行的系统结果，能不能把自己当成未来正式岗位的人来要求。 你会得到什么 1.极强的一线 AI 算法落地训练：不是做离线 Demo，而是直接参与真实生成式模型项目。 2.跨界成长机会：同时理解模型训练、性能优化、部署工程与业务落地逻辑。 3.高密度导师带教：你会直接接触算法负责人、工程化方法和真实问题拆解方式，而不是被边缘化安排打杂。 4.进入前沿赛道核心公司：医疗级具身智能机器人、AI 智能体、智能精密仪器，都是未来十年最重要的技术方向之一。 5.真实成果感：你做的不是作业，而是公司马上会进入系统链路、会直接影响产品能力的核心生成模块。 6.更清晰的正式入职路径：这是一个以全职录用为目标的管培岗位，培养期可计入正式试用期，成长路径明确，节奏更快。 7.转正与长期发展空间：表现优秀者可直接进入正式发展通道，向生成式 AI、模型加速与系统部署方向持续成长。 你可能会喜欢这里的原因 ●你不是螺丝钉，而是在做真正从 0 到 1 的生成式模型能力 ●你不是只会“跑模型”，而是会成长为“让模型进入真实系统的人” ●你接触的是全球领先的 AI 医疗机器人与智能体公司 ●你参与的是真实项目、真实系统、真实性能优化 ●你不是做一段“短期经历”，而是在进入一条面向正式岗位和长期成长的职业通道 ●你的成长速度，大概率会快过很多只做单一研究课题的传统校招岗位 岗位关键词 扩散模型 / 模型训练 / 模型微调 / ONNX / TensorRT / 模型量化 / 模型蒸馏 / 推理加速 / 算法工程化 / 开发管培生 投递加分建议 投递时欢迎附上以下任一材料，会明显加分： ●自己做过的扩散模型训练、微调、压缩、加速相关项目 ●论文、技术报告、实验对比结果 ●代码仓库 / 项目截图 / Demo 视频 ●GitHub / 个人主页 / 可运行结果链接 ●任何能证明你“不是只会说生成式模型，而是真的做过并优化过”的材料