美国人工智能兼职招聘

项目编号：【44569】 您好，看到您的作品「Nova AI 陪伴系统」，希望基于它定制一个网页版MVP，用于小范围测试。产品定位为AI陪伴服务，对用户明确表明AI身份。 【分期说明】先做第一期，其余后续另谈。第一期功能如下： A. 客户端（手机浏览器可用） 客户用账号注册登录，进入后直接和"一个固定的AI伙伴"聊天，无需自己创建角色或配置任何参数 流式回复，支持多轮对话 每位客户独立会话、独立记忆，互不串话 基础长期记忆：记住客户的偏好、称呼、重要经历 页面明确标示"AI陪伴" B. 管理后台（只有我能登录） 修改AI人设提示词、模型参数，无需改代码 查看全部客户的对话列表和聊天记录 对任意会话"手动接管"：AI停止自动回复，我直接发消息给客户 暂停、恢复、终止任意会话 每个客户有可手动修改的字段：当前阶段（0到4）、开始时间、意向标签、移交状态、备注 并发上限设置：超过上限的新客户进入排队，不开始孵化 7天兜底提醒：满7天的客户在后台标红，提示我处理 导出聊天记录（用于我整理案例） C. 安全与技术要求 数据库从SQLite换成MySQL或PostgreSQL，支持几十人同时在线 大模型接口可更换（DeepSeek、通义等），模型密钥只存服务端 接管期间客户消息正常保存，AI不得自动回复 AI不得自主报价、收款或承诺服务内容 砍掉不需要的功能：技能市场、一起做活动、心情日记、自动化任务等 D. 交付要求 交付完整源码、部署文档，并协助我在自己的服务器部署 服务器和模型API账号用我自己注册的 按里程碑付款，每阶段演示验收后再付下一笔 不少于1个月免费维护 【后续二期】自动意向识别、案例库与RAG检索、数据看板。 请告诉我：能否基于现有项目改造？预计工期和总报价？按上述功能拆成几个里程碑，各自多少钱？ 第二期 意向信号自动抽取（大模型打标签） 阶段自动流转（满足条件自动标记"待人工接手"，并通知你） 待移交模式提示词（AI过渡等待，话术要如实，） 孵化数据看板 第三期（有一定样本后） 案例库自动归档、三类分类 人工复盘标注面板 案例检索RAG（只参考思路，不复制话术） 提示词迭代闭环

项目编号：【44565】 StarRiver AI 平台｜高级 AI 推理优化工程师（LLM / GPU） 项目介绍 StarRiver 是一个由北美 AI Infrastructure 初创团队开发的模型推理与 GPU 算力服务平台，旨在整合不同模型及算力供应商，为开发者和企业提供统一、稳定、可扩展的模型 API 服务。 现寻找一名具备生产环境经验的高级 AI 推理优化工程师，负责大语言模型推理性能分析、Benchmark、推理运行时调优及 GPU 资源效率优化，参与 StarRiver 核心推理基础设施的建设。 主要开发内容 1. 为大语言模型及其他推理负载建立可重复的性能 Benchmark，评估不同模型及 GPU 配置下的性能表现。 2. 分析端到端延迟、首 Token 延迟（TTFT）、Token 生成速度、吞吐量、显存占用、GPU 利用率及单位推理成本。 3. 优化 Batching、KV Cache、Quantization、多 GPU 并行策略、模型加载及推理运行时参数。 4. 使用 Profiling 工具定位 GPU、CPU、显存、内存、通信及数据传输瓶颈。 5. 评估并调优 vLLM、TensorRT-LLM、Triton 等主流推理运行时。 6. 根据不同模型、硬件和业务负载，制定可复现的性能配置和容量建议。 7. 验证性能优化后的输出正确性、数值精度和服务稳定性。 8. 建立性能回归测试、Benchmark 数据及优化结果记录，防止版本更新导致性能退化。 9. 记录优化方案的适用条件、参数、限制及回退方式。 10. 与后端工程师协作，将优化后的模型服务接入生产请求链路。 技术要求 1. 计算机相关专业硕士及以上学历，优先考虑双一流高校背景。 2. 具有 3 年以上机器学习系统、模型推理优化或 GPU 性能工程经验。 3. 具备真实生产环境中的 LLM Inference 性能分析和优化经验。 4. 熟悉 Python、PyTorch，以及至少一种主流模型推理运行时。 5. 深入理解 Transformer Inference、Attention、KV Cache、Batching、Quantization 和多 GPU 并行的性能影响。 6. 能够使用 Profiling 和监控工具定位计算、显存、内存、通信及 I/O 瓶颈。 7. 能够独立设计可重复的 Benchmark 和性能回归测试，并通过数据说明优化效果及技术取舍。 8. 能够验证模型优化后的输出正确性、数值精度及系统稳定性。 加分项 - 有 CUDA、C++、Triton Kernel 或 GPU 算子优化经验。 - 有 INT8、FP8、INT4 等量化及精度验证经验。 - 有多 GPU、多节点推理或高速互连调优经验。 - 深入使用过 vLLM、TensorRT-LLM、Triton 等模型服务框架。 - 熟悉 NVIDIA GPU 架构、Nsight、DCGM 或类似性能分析工具。 合作方式 - 国内远程协作，无需驻场。 - 与北美 AI Infrastructure 团队及其他研发工程师共同推进项目。 - 面向长期技术合作，也可先通过明确的 Benchmark 或推理优化任务开展合作。 - 具体服务范围、投入时间及交付标准双方协商确定。 - 按月或阶段性交付结算，具体服务费用和安排以双方协议及平台规则为准。 申请要求 请提供以下信息： 1. 个人技术背景及 LLM Inference / GPU Optimization 相关经验。 2. 过往模型推理部署及性能优化项目案例。 3. 使用过的 GPU 型号、模型及推理框架。 4. 实际优化过的性能指标，例如 TTFT、Throughput、GPU Utilization 或单位推理成本。 5. GitHub、技术文章、开源贡献或其他可展示的技术成果（如有）。 6. 可投入时间、可开始合作时间及期望月度服务报价。

项目编号：【44560】 项目名称：宇树 Go2 四足机器狗 AI 强化学习与运动控制项目 项目类型：兼职 / 远程合作 / 按项目付费 项目地点：新加坡（支持远程合作，必要时协商现场培训） 一、项目简介 我们是一家总部位于新加坡的 IT 系统集成公司，长期通过 Upwork 聘请兼职技术人员，参与 IT 软件开发及系统集成项目。 目前，我们计划开展宇树 Go2 四足机器狗 AI 强化学习与运动控制项目，希望寻找一位具备实际项目经验的机器人研发工程师，以兼职或项目合作的方式协助我们完成系统搭建、软件开发、模型训练、实机部署及技术培训。 二、主要工作内容 1. 搭建宇树 Go2 机器狗的 AI 强化学习开发环境。 2. 配置 NVIDIA Isaac Lab、Isaac Sim、MuJoCo 或其他适用的仿真平台。 3. 开展机器狗步态、行走、平衡及动态运动的强化学习训练。 4. 建立三维仿真环境，支持不同地形、障碍物及外力干扰测试。 5. 将训练完成的 AI 模型部署到真实的 Unitree Go2 机器狗，并进行实机测试。 6. 根据需要集成 ROS 2、Python、PyTorch 及相关机器人 SDK。 7. 配置 Windows 11 Pro 与 Ubuntu 22.04 双系统训练电脑，并安装必要的软件及 GPU 环境。 8. 提供 3–5 天的技术培训及英文技术文档。 三、工程师资格要求 1. 具备 Unitree Go2 或其他四足机器人的实际开发经验。 2. 熟悉强化学习（RL）、机器人运动控制及 AI 模型训练。 3. 熟悉 NVIDIA Isaac Lab、Isaac Sim 或 MuJoCo。 4. 熟悉 Python、PyTorch、Linux 及 GPU 加速训练。 5. 熟悉 ROS 2、机器人 SDK 及仿真到真实机器人部署（Sim2Real）。 6. 能够提供相关项目案例、代码仓库、演示视频或其他技术成果。 优先考虑： 已经成功将强化学习模型部署到真实 Unitree Go2 机器狗，并完成实机运动测试的工程师。 四、合作方式及报价 我们希望寻找具有实战经验的兼职工程师，以远程合作、阶段性交付或项目制方式开展工作。 请提供： • 相关项目经验及技术案例。 • 推荐的技术方案和软件架构。 • 预计项目周期及每周可投入的工作时间。 • 按小时、按天或按项目的报价。 • 3–5 天技术培训的费用。 • 是否能够提供后续技术支持。