来源显示在招 · 最近观察 2026-10-18
1.负责腾讯云MaaS核心平台研发，涵盖模型托管、在线推理、微调训练、数据预处理、Prompt工程、安全审核等全链路系统设计与实现；
2.负责MaaS产品API网关、SDK、控制台、任务调度系统、监控告警、计费计量等模块开发，保障系统高可用、高稳定、可扩展；
3.协同算法、产品、算力、安全团队，完成模型适配、性能优化、工程化封装、合规加固，推动混元及第三方模型快速上线与稳定服务；
4.跟踪业界大模型工程化、云原生、分布式系统技术趋势，持续优化架构，提升研发效率与产品竞争力。
职位要求
1.本科及以上学历，计算机、软件工程、人工智能等相关专业，3 年及以上云原生/AI工程化研发经验；
2.精通至少一种主流语言（Golang/Java/Python），具备扎实的数据结构、算法、操作系统、网络基础，有高并发分布式系统实践优先；
3.熟悉云原生技术栈：K8s、Docker、微服务、RPC/HTTP、消息队列、数据库、缓存，有云厂商或中间件研发经验优先；
4.了解大模型全流程：训练、微调、RAG、推理引擎、量化、蒸馏、向量数据库等，有MaaS/LLM Inference服务开发经验优先；
5.熟悉AI Infra：GPU使用与优化、异构算力纳管、分布式任务调度、性能压测与调优，有大规模模型服务上线运维经验优先；
6.具备良好的系统设计、问题定位与跨团队协作能力，能独立负责复杂模块 / 系统，执行力强；
7.对AGI与MaaS有强烈热情，学习能力强，关注混元、DeepSeek 等主流模型及行业竞品，愿意长期深耕 AI 工程化领域；
8.有AI 安全合规、内容审核、企业级私有化交付、金融/政务等高安全要求场景经验者优先。
工作年限（官方顶部字段）
三年以上工作经验
来源显示在招 · 最近观察 2026-10-18
1.负责大模型应用 APP 的研发工作，参与 iOS/Android 跨端产品从 0 到 1 的架构设计、核心功能开发、上线迭代与体验优化；
2.围绕 AI 对话、翻译、总结、写作辅助、多轮会话、语音输入/播报、文档处理等场景，完成大模型能力在移动端的产品化落地；
3.负责 APP 与大模型服务的接入与优化，包括流式输出、上下文管理、会话历史、Prompt 模板、模型路由、请求重试、缓存、弱网/无网处理等能力建设；
4.参与端侧大模型能力探索，支持模型文件下载与管理、端侧推理接入、量化模型运行、离线能力、隐私保护、首 Token 延迟、内存与功耗优化等工作；
5.建设高质量移动端工程体系，保障 APP 在多端设备上的稳定性、兼容性、性能、安全性和用户体验；
6.与产品、算法、服务端、设计团队紧密协作，持续打磨面向 C 端用户的 AI 原生应用体验，打造好用、稳定、智能的移动端大模型应用。
职位要求
1.本科及以上学历，计算机、软件工程、人工智能等相关专业优先，3年以上移动端 APP 开发经验，有复杂 C 端应用或 AI 应用从 0 到 1 经验优先；
2.熟练掌握 iOS 或 Android 原生开发，熟悉 Swift/Objective-C、Kotlin/Java 中至少一种技术栈，具备良好的移动端架构设计和工程落地能力；
3.熟悉 Flutter、React Nativ e、Kotlin Multiplatform、腾讯Kuikly 等跨端开发方案中的一种或多种，能够保障 iOS/Android 多端体验一致性和交付效率；
4.熟悉移动端常见工程能力，包括组件化/模块化、状态管理、网络通信、本地存储、权限管理、推送、埋点、灰度发布、版本升级等；
5.具备扎实的性能与稳定性优化经验，能够独立处理启动速度、包体积、内存占用、卡顿、耗电、Crash/ANR、弱网、兼容性等问题；
6.熟悉大模型应用开发链路，理解多轮对话、上下文窗口、Token 消耗、流式响应、Prompt 编排、模型 API 接入、模型降级/路由、内容安全等能力。
工作年限（官方顶部字段）
三年以上工作经验
官方重要事项
1.有端侧模型部署与推理经验为加分项，如使用 llama.cpp、GGML/GGUF、MLC-LLM、ONNX Runtime Mobile、TensorFlow Lite、Core ML、MNN、NCNN 等框架在移动端部署 LLM、翻译、ASR、OCR、Embedding 等模型；
2.了解模型量化、KV Cache、推理加速、Metal//Vulkan/NNAPI/GPU/NPU/DSP、模型动态下载与版本管理、离线推理、端云协同等方向者优先；
3.另外具备 HarmonyOS或小程序应用开发或上架经验者优先；
4.具备良好的产品意识、用户体验意识和技术责任心，能
来源显示在招 · 最近观察 2026-10-18
1.针对多模态模型开展强化学习算法研究，包括面向图像、视频生成的扩散模型，面向多模态理解的自回归模型，以及前沿统一多模态框架；
2.设计并开发强化学习训练框架与奖励建模策略，实现高效的大规模训练，提升训练稳定性，并解决奖励作弊等相关问题；
3.探索下一代强化学习范式，使其能更直接、更高效地从环境反馈中学习。
职位要求
1.本科及以上学历，计算机科学或相关专业；
2.具备出色的科研能力，在ICML、NeurIPS、ICLR、CVPR、ICCV、ECCV、SIGGRAPH等顶级会议发表过论文；
3.扎实的工程与编程能力，具备深度学习系统实现、模型训练与推理优化、CPU/GPU 加速、分布式训练与推理经验；
4.有扩散模型、自回归模型、文生图 / 文生视频生成相关经验者优先；
5.有 ACM/NOIP（信息学竞赛）参赛经历者优先。
工作年限（官方顶部字段）
两年以上工作经验
来源显示在招 · 最近观察 2026-10-18
1.协助美术团队和AI团队制定针对各类视觉表现效果、数据生产流程需求的技术方案，并通过开发工具、制作实例、提供建议等方式在引擎中实现；
2.结合效果和硬件平台限制，与程序开发、美术团队配合制定渲染效率与质量优化方案，制定资源规范；
3.通过编写脚本工具，探索优化工作流程等方式，协助美术团队提升生产效率和质量；
4.生产一部分技术性较强的美术资源；
5.项目组工作对接和技术支持；
6.关注并思考业界新的工具、趋势在工作室内项目应用的可行性，对美术等相关岗位进行新技术相关的培训。
职位要求
1.本科及以上学历，5-8年以上工作经验；
2.优秀的口头和书面表达能力，阅读英语资料无障碍；
3.良好的团队协作能力，有开发大中型项目经验者优先；
4.熟悉AI相关软件，对AI有一定了解者优先；
5.熟练掌握商业游戏引擎（Unreal/Unity/CE等），或自研引擎经验者优先。
工作年限（官方顶部字段）
两年以上工作经验
来源显示在招 · 最近观察 2026-10-18
1.策略设计：负责大模型在AI Agent 及多个高价值专业垂类（金融、医疗、法律、科研等多元方向皆可）的后训练数据策略，制定针对行业深度、复杂推理与交互合成等核心能力的数据体系标准；
2.链路与协同：紧密衔接算法与数据标注团队，搭建数据生产标准与质量评估体系；协同推进自动化清洗、数据合成与人工标注的高效流转，保障高质量数据的连续交付；
3.**评测与环境：针对“难求解、易验证”的复杂垂类与 Agent 任务构建科学的动态评测集（Benchmarks）；协同研发搭建前沿模型训练所需的底层验证与交互环境（Sandbox / RL Environment）。
职位要求
1.经验门槛：本科及以上学历；过往必须具备 AI / 大模型相关从业经验，有 AI Agent 或高价值专业垂类方向的数据策略、系统建设或评测集构建经验者优先；
2.协作素养：深入理解大模型后训练逻辑（SFT/RLHF/数据合成）；具备极强的跨团队统筹沟通能力，能与算法专家、业务专家及标注运营团队无缝配合，快速定位并攻克数据短板；
3.工程能力：具备扎实的工程开发与自动化处理能力，熟练掌握Python；能独立编写脚本完成数据清洗、流水线搭建与自动化质检开发；
4.底层认知：具备良好的产品思维、极客精神和自驱力，对模型缺陷（Badcase）有极强的数据敏感度，英语可作为工作及技术调研语言。
工作年限（官方顶部字段）
一年以上工作经验
官方重要事项
1.前沿构建：有主导或参与构建RL Environment（强化学习环境）、GDPval或开源前沿权威评测集经验者优先；
2.极客工具：重度依赖并习惯使用 Cursor、Claude Code等 AI 编程辅助工具，践行 Vibe Coding 与自动化工作流者优先。
来源显示在招 · 最近观察 2026-10-18
1.参与设计并实现 Agent 执行全链路的 tracing & observability 系统；
2.参与构建 Agent 质量评估体系：自动化 eval pipeline、A/B testing、regression detection；
3.开发 Agent debugging 工具；
4.参与核心支撑平台（标注、SBS 评测、数据管道）的架构设计与开发；
5.和 AI 研究团队零距离，能第一时间触碰最新的模型能力，并与团队紧密协作，将大模型与 Agent 协同进化的研究成果工程化落地；
6.探索并实践 AI Agent的日常工作流。
职位要求
1.使用 Cursor / Claude Code / Codex 等进行重度编程，对 agentic coding 的能力边界和 failure mode 有切身的体感；
2.极客精神，喜欢折腾新技术，享受新技术带来的生产力突破，拥有一定的全栈工程能力和系统设计功底；
3.熟悉 AI/Agent 技术栈，了解 LLM、Agent framework、prompt engineering；
4.代码质量要求严格，代码是给未来的 AI 和人一起维护的，可读性、架构性等缺一不可；
5.对Code Agent的未来有深刻思考，希望加入这股生产力变革的浪潮之中。
工作年限（官方顶部字段）
两年以上工作经验
官方重要事项
1.有 Agent Observability 系统的开发或深度使用经验；
2.参与过 AI Agent 产品从 0 到 1 的构建；
3.开源项目贡献者 或 有趣的个人项目、技术博客等；
4.喜欢高密度协作和快速迭代的工作模式。
来源显示在招 · 最近观察 2026-10-18
1.负责 Agent 数据生产、标注与评测平台的后端架构设计和核心服务研发；
2.设计统一的任务与轨迹数据模型，描述任务指令、初始环境、工具权限、Agent Action、环境 Observation、中间状态、最终结果及验证规则；
3.建设完整的数据生产工作流，并建设 Coding 与 Agentic Work 数据生产能力、Computer Use、Mobile Use数据生产和标注能力；
4.与基础设施团队协作，接入并应用容器、MicroVM、虚拟桌面等沙箱能力，完成环境创建、快照恢复、动态路由、资源控制和生命周期管理；
5.深入理解沙箱的隔离、网络、存储和安全机制，推动解决环境复现、启动性能、凭证注入、不可信代码执行及数据泄漏等问题；
6.建设平台的多租户、任务调度、权限控制、故障重试、数据追溯和可观测性能力；
7.与算法、数据、标注、前端及基础设施团队协作，将训练和评测需求转化为稳定、规模化的数据生产能力。
职位要求
1.本科及以上学历，计算机或相关专业，具备3年及以上后端或平台研发经验；
2.熟练掌握 Go，深入理解并发编程、Context、网络编程、性能优化及工程化实践；
3.熟悉 HTTP、WebSocket、gRPC，以及 MySQL/PostgreSQL、Redis、消息队列和对象存储等常用后端技术；
4.熟悉 Docker、Kubernetes 和 Linux，深入理解容器生命周期、镜像、网络、存储、资源隔离和调度机制；
5.具备较强的系统抽象能力，能够为不同 Agent、任务、工具和执行环境设计统一且可扩展的接口；
6.对 AI Agent、数据生产与标注、Agent 轨迹或环境交互有较强兴趣和理解。
工作年限（官方顶部字段）
三年以上工作经验
来源显示在招 · 最近观察 2026-10-18
1.负责文档数据处理的全链路工程实现，包括负责支持文档数据存储计算处理、解析、去重、质量筛选等数据处理环节；
2.有丰富的文档解析或大模型预训练数据处理经验、基于Agent的数据生产链路研发经验优先；
3.有多模态理解数据处理经验优先。
职位要求
1.硕士及以上学历，计算机视觉、自然语言处理或多模态方向背景优先；
2.熟练掌握深度学习框架（如PyTorch、TensorFlow），熟悉模型训练及数据处理经验，具备优秀的独立开发与分析调研能力；
3.能handle十亿量级的数据处理，对常用的数据工程技术如spark、hadoop、ray，文件存储系统有实践经验；
4.具备良好的团队协作能力，具备强烈的自我驱动力，能够独立完成系统分析与优化，落地大模型应用；
5.有丰富的数据工程架构设计经验优先；有丰富的文档解析或大模型预训练数据处理经验优先；
6.动手能力强，能熟练使用Agent及AI coding工具高效完成工作；有基于Agent的数据生产链路研发经验优先。
工作年限（官方顶部字段）
一年以上工作经验
来源显示在招 · 最近观察 2026-10-18
1.深度参与混元大模型后训练（包括 SFT、RL ）及模型合版的研发和相关算法策略研究，提升模型泛化性、能力边界和上限；
2.后训练策略和生产范式的研究，探索更加敏捷、普适和可扩展的训练范式，提升训练和生产效率；
3.相关前沿后训练技术方向探索，包括但不限于 Reasoning/Agentic 能力增强和 Scaling， RL/OPD 等收敛性和可扩展性研究；
4.将研究成果转化为实际的模型能力或生产效率，并撰写高水平技术报告或论文，提升技术影响力。
职位要求
1.计算机科学、数学、人工智能等相关专业硕士及以上学历，具备良好的数理基础；
2.具备良好的工程实现能力，熟练使用 PyTroch、Megatraon、vLLM 等常见大模型训练和推理框架；
3.具备良好的技术视野，深入理解大模型相关技术原理，熟悉大模型 SFT、RL 及 reward 建模等训练范式，对 RL/OPD 等有深入的实践和研究经验；
4.具备良好的数据 sense 和问题分析能力，作风严谨细致，善于借助大模型及相关工具解决问题和提升效率；
5.对大模型及相关前沿技术和产品具有极强的热情，具备独立探索前沿技术的能力，有良好的团队协作和沟通能力。
工作年限（官方顶部字段）
一年以上工作经验
官方重要事项
1.有主导或参与工业界大规模模型生产和合版经验；
2.以第一作者身份发表过 NeurIPS、ICML、ICLR、ACL 等论文。
来源显示在招 · 最近观察 2026-10-18
1.长期记忆机制研发：负责大模型长期记忆全链路算法设计，实现记忆抽取、存储、检索、更新、遗忘，解决跨会话记忆一致性、冲突与时效性问题；
2.个性化用户建模：基于用户交互、行为数据构建用户模型，挖掘用户偏好、表达习惯，驱动模型动态适配，提升个性化交互体验；
3.记忆方向模型后训练：使用 SFT/RLHF/ 奖励建模等技术，把记忆调用、准确性、个性化目标转化为训练信号；构建高质量训练数据，搭建用户反馈驱动的模型迭代闭环；
4.评测体系搭建：设计记忆、个性化相关评测指标，构建自动化评测集与线上实验体系，评估召回、幻觉、隐私风险等；
5.前沿技术落地：跟踪 Memory Agent、持续学习等前沿方向，推动技术成果业务落地。
职位要求
1.计算机、AI 等相关专业硕士及以上学历；
2.精通 Transformer 与大模型训练原理，在长期记忆、RAG、个性化 LLM、超长上下文、大模型 + 用户画像任一方向有扎实实践；
3.熟悉 SFT/RLHF/ 奖励建模，能将记忆、个性化目标转化为训练信号优先；
4.有向量库、知识图谱、记忆 Agent 框架、多轮对话状态管理等实战经验优先；
5.算法与工程基础扎实，熟练 Python，掌握 PyTorch/TensorFlow；
6.熟悉分布式训练、Megatron-LM/DeepSpeed/vLLM，有百亿 + 大模型调优经验优先。
工作年限（官方顶部字段）
两年以上工作经验
来源显示在招 · 最近观察 2026-10-18
1.深度参与LLM大模型压缩加速方案研究，包括不限于：；
2.投机采样：适配LLM模型架构特性，探索Prefill / RL等场景下优化加速方案；
3.稀疏化：Sparse Attention，KV-Cache压缩，模型结构剪枝等优化技术，协同框架定制化稀疏方案，提升模型推理性能；
4.量化：优化Transformer中 Linear/KV-Cache/Attention量化算法，适配FP8/INT8/NVFP4等量化方案及不同硬件后端。探索极低bit量化训练方案，深度协同硬件联合优化，实现模型体积极致压缩和性能突破，并推动实际业务落地；
5.新技术：聚焦长上下文，多轮对话优化等压缩加速优化技术研究；
6.设计可落地的大模型压缩算法及成本优化方案，助力大模型的性能加速，不限于模型结构/软硬协同优化；
7.分析业务性能瓶颈和模型特点，定制化开发大模型压缩优化工具，实现一站式模型压缩-部署的高速推理方案；
8.参与前沿的模型压缩加速算法研究，追踪领域前沿工作，撰写并发表顶会论文。
职位要求
1.熟悉深度学习算法基本原理，熟练掌握PyTorch，具备扎实的Python编程能力与工程实现能力；
2.熟悉主流LLM模型压缩算法体系，并且了解硬件及推理库上对于模型压缩的支持方案；
3.具有扎实的数理基础，熟悉常见的算法和数据结构，具有良好的编程习惯；
4.了解大模型算法基本原理，熟悉常见LLM大模型，有顶会论文发表者优先。
工作年限（官方顶部字段）
五年以上工作经验
来源显示在招 · 最近观察 2026-10-18
1.评测体系构建：通过紧跟先进模型及应用的前沿发展，设计全面、准确的多维度指标，建立覆盖多模态（语音/图/视频生成/编辑等）生成、多模态理解等全面、多维度的评测体系；
2.评测流程：熟悉大模型评测流程的实际执行与落地，协同多方相关团队高效完成评测工作，定期监控模型效果，分析问题并提供优化方案；
3.行业动态洞察：持续完善快速评测体系构建、快速反馈行业动态及模型能力，发现行业模型以及应用的前进方向、亮点；
4.结果归因：通过各种数据分析方法，深度分析模型评测结果，为大模型的更新调优提供精准的问题分析结论。
职位要求
1.计算机/数字媒体/影视平面（建模师、独立开发者等）等相关专业硕士或以上学历，对该领域有深度了解，1年以上工作经验；
2.了解AI大模型技术原理，对大模型相关产品有过深度体验；
3.拥有出色的沟通协调能力、严谨的逻辑思维能力与深度数据分析能力，善于发现问题并提出系统性解决方案，具备良好的团队协作精神；
4.加分项：具备一定数学能力、分析工具使用能力；如python、SQL能力及数据处理经验的优先。
工作年限（官方顶部字段）
三年以上工作经验
来源显示在招 · 最近观察 2026-10-18
1.负责生成式大模型预训练相关的工作，包括但不限于：大规模模型预训练，长文本预训练，线性模型结构探索；
2.探索与跟进前沿技术，寻求技术突破，推动机器在AIGC能力的提升和突破；
3.探索高效的模型知识嵌入方法以及模型知识在线学习更新；
4.探索文本模型预训练的scaling law，在小规模小成本下更精准地预测大规模训练后的表现。
职位要求
1.熟练掌握Python，熟悉Linux环境开发，精通应用深度学习框架TensorFlow或者PyTorch；
2.持续跟进前沿的深度学习技术，了解前沿的深度学习相关算法，熟悉Transformer等模型结构；
3.具备分析问题定义问题和解决问题能力，具备持续的自驱力来面对挑战；
4.有大规模模型预训练实践经验者或有较强的研究能力在机器学习领域顶级会议发表过高质量论文者优先。
工作年限（官方顶部字段）
一年以上工作经验
来源显示在招 · 最近观察 2026-10-18
1.负责通用多模态大模型的推理部署，包括多模态理解、生成、语音大模型等研发支持，推动算法落地；
2.多模态大模型性能优化及推理框架优化，提升整体吞吐、降低部署成本；提升框架易用性；
3.紧跟多模态生成和理解领域的技术前沿，推动技术创新在产品中落地；
4.针对落地业务，优化部署方案及适配定制化需求。
职位要求
1.了解AI基础设施、机器学习系统或高性能计算相关领域经验， 具有 vllm/sglang/TensorRT/FasterTransformer 等推理引擎实践经验；
2.精通主流多模态或全模态大模型，主导或核心参与过多模态大模型项目优先；有行业落地案例或相关开源项目经验者优先；
3.熟悉主流深度学习框架的网络结构与算子底层实现细节，具备模型训练 / 推理调优、CPU/GPU 加速、分布式训练与推理部署的实操经验者优先；
4.熟悉分布式推理常用加速方法（算子融合、量化策略、动态批处理、KV 缓存优化等），有超大模型分布式部署经验优先；
5.在视觉问答、图像生成、视频理解/生成，语音识别/合成等领域有项目积累，或发表过相关方向顶级学术论文者优先；
6.具备较强的自主学习能力与技术钻研精神，良好的跨团队沟通协作能力。
工作年限（官方顶部字段）
两年以上工作经验
来源显示在招 · 最近观察 2026-10-18
1.负责多模态AI数据管线的设计与开发，覆盖语音、图像、视频、3D等数据类型；
2.搭建高效的数据预处理pipeline，设计高吞吐的数据存储与索引系统，支撑大规模训练数据集生产；
3.与算法/研究员协作，实现离在线一致的数据构造与对齐流程；
4.负责管线服务的稳定性、性能优化与可观测性建设，支撑 AI数据全天高效生产；
5.探索自动化数据质量评估、数据合成、AIGC辅助数据生产等方向。
职位要求
1.本科及以上学历，计算机相关专业；
2.3年以上后台开发经验，1年大数据/数据管线相关经验以上优先；
3.熟练掌握 Python/Go/C++ 至少一门，熟悉 Linux 开发环境；
4.熟悉至少一种主流消息队列（Kafka/Pulsar/RocketMQ）、任务调度（Airflow/Celery）、存储系统（OSS/S3/HDFS）；
5.具备多模态数据处理经验优先，包括：；
6.语音：降噪、说话人识别、回声消除、VAD/ASR 等前后处理；
7.图像/视频：图像处理（OpenCV/Pillow）、视频抽帧/切片、字幕提取；
8.3D：点云/Mesh/NeRF 数据格式处理（加分项）；
9.熟悉 Ray/Spark/Flink 等分布式计算框架优先；
10.责任心强，能在快节奏环境中推进项目。
工作年限（官方顶部字段）
一年以上工作经验
来源显示在招 · 最近观察 2026-10-18
1.算法-框架协同设计：作为算法与框架团队之间的技术桥梁，深入理解多模态大模型后训练算法（如RLHF、DPO、课程强化学习等）的原理与演进趋势，并将其转化为对底层框架的功能需求，为框架架构设计建言献策；
2.训练流程优化与评测：主导或深度参与后训练流程（如多模态SFT、RLHF）的搭建、优化与效果评测。关注训练稳定性、效率及泛化能力，特别是针对跨模态对齐、奖励函数设计及策略优化等环节提出系统性改进方案；
3.技术调研与瓶颈攻关：主动跟踪学术界与工业界在多模态强化学习后训练领域的前沿进展。针对训练中出现的瓶颈（如OOD泛化不足；
4.模态融合冲突等），进行根因分析，并与框架团队协作制定解决方案；
5.跨团队支持与知识沉淀：高效协同框架开发、硬件优化及业务算法团队，确保技术方案落地。撰写高质量的技术文档、设计稿与实验报告，并组织内部分享，推动团队整体技术认知提升。
职位要求
1.学历与技术背景：拥有计算机科学、人工智能、电子工程、自动化等相关专业的硕士及以上学历。具备扎实的机器学习/深度学习基础，对多模态大模型和强化学习后训练技术栈有深入理解；
2.核心算法与工程能力：精通Python编程，熟练掌握PyTorch等深度学习框架。对Transformer、Diffusion等模型架构有深刻理解；
3.深刻理解SFT、RLHF、DPO等后训练算法的原理、流程及常见挑战（如训练不稳定性、奖励黑客行为等）；
4.具备优秀的工程实现和调试能力，能够快速验证算法想法，并进行严格的实验分析以评估性能；
5.框架协同与系统视角：；
6.熟悉至少一种主流大模型训练/推理框架（如Megatron-LM、DeepSpeed、VLLM），了解其架构设计思想；
7.能够从算法视角评估框架的易用性、扩展性和性能，并提出改进建议。有使用VERL、OpenRLHF等后训练框架的经验者更佳；
8.软技能：具备出色的跨团队沟通能力，能清晰地在算法和工程团队之间翻译需求、阐明方案。拥有强烈的责任心、自驱力和解决复杂问题的热情。
工作年限（官方顶部字段）
三年以上工作经验
来源显示在招 · 最近观察 2026-10-18
1.负责语音/音频大模型研发，包括音频理解（ASR/音频caption）、音视频理解等模型研发；
2.负责预训练、后训练、强化学习（文本和音频强化）相关的数据、算法、评测工作；
3.负责音频理解/ASR模型开源以及产品落地（比如产品全链路端到端优化、音频理解在噪音/口音/远场/音效音乐场景的优化）。
职位要求
1.有语音识别、音频理解、音乐理解等相关经验者优先；
2.有音视频多模态、大语言模型（预训练、微调、强化学习）等相关经验者优先；
3.优秀的代码能力、数据结构和算法功底，熟练掌握Python，熟悉Pytorch/Megatron/FSDP等模型训练框架、熟悉SLIME/VERL等RL框架优先；
4.有ACM/ICPC、NOI/IOI、Top Coder、Kaggle等比赛获奖者优先；
5.在相关顶级会议或期刊（如NeurIPS/ICLR/ICML/ACL/CVPR/ICASSP/INTERSPEECH等）有论文发表者优先；
6.良好的英语文献阅读能力，强烈的进取心/求知欲/团队合作精神，以及优秀的问题解决能力，热衷于追求技术创新。
工作年限（官方顶部字段）
三年以上工作经验
来源显示在招 · 最近观察 2026-10-18
1.从事Omni多模态大模型的研发，包括训练数据的设计和构造，基础模型算法的设计，针对预训练/SFT/RL相关的优化，模型能力的评测，各种下游应用场景的探索；
2.科学分析研发中的各种问题，找到模型性能的瓶颈，从第一性原理出发找到解决方案，加速模型的开发和迭代，确保模型的竞争力和领先性；
3.探索实现Omni模态理解、生成能力的不同范式，研究下一代的模型架构，探索多模态模型的边界。
职位要求
1.计算机、人工智能、数学等相关专业的全日制本科（优先）以上；
2.熟悉大规模多模态数据处理，高质量数据生成等实践经验者特别优先；
3.具有扎实的深度学习算法基础，具备扎实的大模型研发经验，有Diffusion Models和Autoregressive Models相关经验优先，有相关方向顶级论文者优先，有跨模态(例如音视频)研究实践经验者优先；
4.熟悉各类深度学习网络和算子底层实现细节，训练和推理模型调优，CPU/GPU加速，分布式训练推理加速，有实操经验优先；
5.有ACM竞赛、NOIP竞赛经历特别优先；
6.具备较强的学习能力、沟通能力、团队合作能力，有强烈的好奇心。
工作年限（官方顶部字段）
三年以上工作经验
来源显示在招 · 最近观察 2026-10-18
1.主动跟踪学术界与工业界在图像视频生成式模型、多模态理解模型、语音模型、多模态理解生成统一建模等方向的创新算法研究，攻克Diffusion模型加速、多模态理解模型、语音模型（ASR、TTS、Omini等）、多模态理解生成统一建模加速等技术方向，包括但不限于：（Attention量化/稀疏加速、蒸馏加速、量化、投机解码、剪枝、KV Cache 压缩等等）；
2.通过分析模型和任务性能瓶颈，设计创新的算法优化方案，提升多模态大模型的推理效率，显著降低端到端延迟；
3.作为算法与框架团队之间的技术桥梁，聚焦于图像理解、视频生成、音频理解生成、视觉多轮交互、实时对话等任务，提升模型在推理端的性能；
4.高效协同框架开发及业务算法团队，确保技术方案落地。撰写高质量的技术文档与实验报告，并组织内部分享，推动团队整体技术认知提升。
职位要求
1.拥有计算机科学、人工智能、电子工程、自动化等相关专业。具备扎实的机器学习/深度学习基础；
2.精通Python编程，熟练掌握PyTorch等深度学习框架。对Transformer、Diffusion等模型架构、计算瓶颈与优化方法论有深刻理解; 具33、图像视频生成、音频理解生成、图像视频编辑/理解、模型压缩（步数蒸馏，轻量化模型，投机解码、KVCache优化、稀疏剪枝等）、生成对齐算法（DPO\RLHF等）。
工作年限（官方顶部字段）
两年以上工作经验
官方重要事项
1.在Kaggle等比赛获奖者优先、在ICML/NeurIPS/CVPR/ECCV/ICCV等发表论文优先、有开源框架核心算法贡献者优先（如HuggingFaceDiffusers优化）；
2.熟悉HuggingFace Transformers、vLLM、SGLang等大模型推理框架者优先；
3.熟悉高性能计算、熟悉CUDA/AI芯片编程、并行策略（如模型并行、流水线并行等），了解NVLINK、GPU通信者优先。
来源显示在招 · 最近观察 2026-10-18
1.负责大语言模型后训练（Post-Training）阶段的核心技术研发，构建和优化高质量的奖励系统（Reward System），通过Reward Modeling (RM) 和强化学习（RL）算法持续提升模型在复杂指令遵循、逻辑推理及价值观对齐方面的能力；
2.深入研究和优化 RLHF 等后训练算法，提升模型训练的稳定性和最终效果；
3.负责大模型个性化（Personalization）与长期记忆（Memory）机制的算法研发，构建精准的“千人千面”用户建模体系，探索模型如何理解、提取、记忆并动态适应不同用户的长期偏好，持续提升个性化交互体验；
4.负责后训练阶段的数据合成与管理，设计高效的数据飞轮机制，利用SFT、Self-Instruct等技术合成高质量训练数据，并负责建立从用户多维反馈（User Feedback）到模型迭代的闭环信号建模体系；
5.负责后训练模型的全维度评测与分析，制定科学的评价指标，跟进前沿技术动态，将最新研究成果快速转化为业务价值。
职位要求
1.计算机科学/软件工程/人工智能等相关专业硕士及以上学历；
2.深入理解 Transformer 架构及大语言模型训练原理，在 LLM Alignment、RLHF、Reward Modeling、**个性化大模型（Personalized LLM）、记忆机制（Memory/RAG）**等后训练领域之一有深入的研究和实践经验；
3.在用户画像建模、推荐系统与大模型结合、或超长上下文/长期记忆模型优化方面有丰富实战经验者优先；
4.具备扎实的算法基础和工程实现能力，熟练掌握 Python，熟悉 PyTorch/TensorFlow 等深度学习框架；
5.拥有分布式训练实战经验，熟悉 Megatron-LM, DeepSpeed, vLLM 等大规模训练及推理框架，有百亿/千亿参数模型训练或调优经验者优先；
6.具备优秀的科研素养，有高质量论文发表（NeurIPS, ICLR, ICML, ACL, EMNLP 等）或在开源社区（如 HuggingFace）有高影响力项目贡献者优先；
7.具备强烈的技术热情和自驱力，善于分析和解决复杂问题，拥有良好的团队协作和沟通能力。
工作年限（官方顶部字段）
三年以上工作经验
