Reported open · Last observed 2026-10-18
1.负责大模型预训练/AI搜索业务的全网漫爬策略设计，解决资源发现和调度问题，覆盖全语种/多模态，提升有价值数据覆盖率、时效性；
2.页面质量，基于机器学习/NLP/LLM，构建高质量内容筛选策略，识别低质量/垃圾/重复页面，提高数据质量；
3.重复问题解决，优化URL/资源内容去重策略，提升爬虫抓取效率、内容转化和留存能力；
4.内容理解，基于BERT/GPT/LLM 等技术，构建网页内容理解、网页分类，助力大模型训练数据/AI搜索效果。
职位要求
1.计算机相关专业优先，熟悉 python/c++编程语言；
2.有数据工程或相关领域的工作经验，具备一定的机器学习算法基础，了解BERT/GPT/LLM 等技术；
3.熟练掌握大数据技术栈，包括Hadoop、Spark 等，有使用数据库（如SQL）和数据仓库的经验。
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.熟悉抓取策略，包括全网覆盖、低质识别、内容理解等；熟练使用大模型、AI工具；有预训练数据处理经验。
Reported open · Last observed 2026-10-18
1.Agent 后训练算法设计与实现：主导基模大模型的 Agent 化后训练方案研发，包括指令微调（SFT）、奖励模型（RM）训练、强化学习（RLHF/RLAIF）优化，聚焦任务规划、记忆机制、工具调用、多轮对话一致性等核心能力提升。；
2.后训练数据体系构建：设计 Agent 后训练数据的采集、清洗、标注与迭代策略，涵盖通用指令集、任务型对话数据、工具调用样本、多模态交互数据等，建立数据质量评估与筛选机制，优化数据分布与多样性。；
3.Agent 能力优化与突破：针对 Agent 在复杂任务拆解、跨领域知识迁移、动态环境适配等场景的痛点，研发创新后训练算法（如分层任务规划训练、多智能体协作训练、反幻觉优化），提升 Agent 的决策准确性与鲁棒性。；
4.工程化落地与系统协作：搭建高高效后训练流水线，支持大规模数据并行处理、分布式训练（DDP/FSDP）与模型压缩部署；与产品、工程团队协作，打通 “后训练 - 评测 - 迭代” 闭环，适配不同场景下的 Agent 产品需求。；
5.技术创新与沉淀：跟踪大模型 Agent 领域前沿技术（如 LLM+Planning、Tool Learning、Multi-Agent Interaction），主导核心技术攻关与专利申请；输出可复用的后训练算法组件、技术文档与评测基准，推动团队技术能力沉淀。
职位要求
1.计算机科学、人工智能、机器学习等相关专业硕士及以上学历，1年以上大模型后训练或 Agent 相关研发经验。；
2.扎实的算法基础：精通深度学习、强化学习、自然语言处理核心理论，深入理解大模型训练原理、Transformer 架构及 Agent 决策机制。；
3.工程能力扎实：熟练掌握 Python 编程语言，精通 PyTorch/TensorFlow 框架及 HuggingFace 生态，具备大规模数据处理（Spark/Flink）与分布式训练（DDP/FSDP/DeepSpeed）实战经验。；
4.后训练实战经验：具备大模型指令微调、RLHF/RLAIF、奖励模型训练等后训练全流程经验，熟悉 Agent 任务规划、工具调用等核心场景的训练优化方法。。
工作年限（官方顶部字段）
一年以上工作经验
Reported open · Last observed 2026-10-18
1.深入参与语音大模型的构建，搭建具有通用性和可拓展性的语音端到端大模型评测框架（对话、NLP、TTS、ASR等方向），深度配合算法、产品进行自研探索和业务落地；
2.结合行业趋势及业务应用场景，迭代更新评测标准、构建评测题库，负责语音大模型效果评测，定期反馈评估结果，产出评估报告，确保大模型评估结果置信；
3.通过PE、代码、Workflow、Agent完成数据预处理、分析和清洗，按照训练需求进行标注、分析和验证调优，提升模型效果；
4.与产品算法团队协同，积极探索自动化模型评估、数据合成等方法，提高评测效率。
职位要求
1.计算语言学、语言学、语音学、语用学、汉语言文学、翻译、小语种等相关专业，硕士或者博士学历优先；
2.1年以上语音数据相关工作经验，熟悉语音交互场景，中文基础扎实、语感良好、情绪感知力强、对语音敏感；
3.有深度学习经验，了解大模型原理或评测方案者优先；
4.具备出色的PE能力和一定的代码能力，能够独立设计Prompt策略形成工作流，提高数据生产的质量和效率，有Agent搭建经验优先；
5.具备良好的数据分析和沟通能力，思维活跃、有探索精神、耐心细致。
工作年限（官方顶部字段）
三年以上工作经验
Recruitment status unknown · Last observed 2026-10-18
1、参与网易云音乐广告分发体系建设，负责广告召回、排序（LTR / pCTR / pCVR / PLTV）与智能出价等核心链路的算法优化，依托行业领先的机器学习平台，持续提升商业化变现效率与用户体验；
2、负责广告流量预估、库存分配与混排策略等机制设计与优化，在保障用户体验的前提下，追求全局收益最大化；
3、追踪行业前沿算法进展，探索云音乐下一代广告模型范式，在数据、模型、推理等维度持续探索 Scaling Law，突破广告系统的效果上限；
4、参与广告多模态技术建设，基于行业领先的多模态大模型，对广告素材与落地页（图片/视频等）进行内容理解与表征建模，并融入广告各应用场景，全面提升业务效果。
职位要求
1、计算机、信息、数学相关专业硕士及以上学历，有 ACM 竞赛经历、国际学术会议（KDD / SIGIR / WWW / CIKM / RecSys 等）论文发表、各类算法竞赛获奖，或开源大模型开发经历者优先；
2、熟悉常见机器学习算法原理，对计算广告、推荐系统、深度学习、强化学习、大模型技术、NLP 等任一子方向有深入研究；了解广告召回、排序、机制设计与出价（OCPC/OCPM）、流量分配等链路者优先；
3、熟练掌握 PyTorch、TensorFlow 等深度学习框架，有相关实践项目或广告算法实习经验者优先；
4、扎实的编程理论基础，熟悉 Java / C++ / Python 等至少一门开发语言；具备 AI Coding 能力，能熟练使用 Claude Code / Codex 等工具，快速将想法落地；
5、优秀的数据分析与问题发现能力，熟练使用 Spark、Hive 等大数据工具；善于洞察、乐于挑战，具备良好的沟通协作能力。
官方顶部字段
学历：不限
年限：不限
Reported open · Last observed 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
Reported open · Last observed 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
Reported open · Last observed 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。
Reported open · Last observed 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
Recruitment status unknown · Last observed 2026-10-18
1、架构设计与模型落地：主导AI虚拟陪伴系统的整体技术架构设计，重点负责大语言模型（LLM）在对话系统中的深度落地，确保模型能力在产品体验层面的高效转化。
2、LLM后训练与对齐：负责基座大模型的后训练（Post-training） 阶段工作，包括但不限于监督微调（SFT）、奖励模型（RM）训练，以及基于人类反馈的强化学习（RLHF）或直接偏好优化（DPO），解决模型在虚拟陪伴场景下的角色一致性、情感理解与个性化表达问题。
3、强化学习与决策优化：探索强化学习（RL）在对话策略中的应用，利用强化学习优化模型在长程对话中的推理（Reasoning）能力与决策过程，提升交互的拟人化程度与逻辑连贯性。
4、记忆管理与RAG优化：完善记忆管理机制，实现关键事件、用户偏好的高效存储与检索。负责RAG系统的工程化落地，结合向量数据库与检索策略优化，为强化学习和微调阶段提供高质量的数据支持，提升内容生成的个性化与时效性。
5、性能与资源调度：主导系统性能优化，解决高并发场景下的低延迟响应与推理资源调度问题，保证线上服务的稳定与高效。
职位要求
1、学历与经验：硕士及以上学历，计算机科学、人工智能等相关专业，具备NLP、多模态交互领域深度实践经验。
2、LLM后训练专长：
- 深入理解主流大模型架构（如Qwen、LLaMA、ChatGLM等）；
- 精通大模型后训练全流程，尤其在RLHF/DPO方面有实际落地经验，熟悉PPO、DPO等强化学习算法在语言模型中的调参与应用；
- 熟悉LoRA、QLoRA等高效微调技术，能根据场景平衡模型性能与训练成本。
3、强化学习（RL）基础：掌握强化学习基本原理，了解其在语言模型推理（如RLHF中的推理环节、过程奖励模型PRM）或多轮对话决策中的应用，有相关研究或项目经验者优先。
4、RAG与多模态技术：精通RAG系统的工程化实现，掌握向量数据库（如Milvus、Faiss）与检索优化策略。熟悉多模态对齐技术（如CLIP），有多模态生成（文本-图像/视频）或多模态语言模型落地经验者优先。
5、加分项：有复杂对话系统、虚拟陪伴产品或情感计算相关项目的落地经验；在强化学习与语言模型结合方向（如RLHF、RLAIF）有深入研究成果或顶会论文者优先。
官方顶部字段
学历：硕士
年限：3-5年
Recruitment status unknown · Last observed 2026-10-18
1. 主导大模型智能体(Agent)系统的整体架构，围绕任务规划、工具调用、多步推理与自主决策等核心能力，推动 LLM Agent 在真实业务场景中高效落地。
2. 负责 Agentic 大模型的后训练(Post-training)，通过 SFT、奖励模型(RM)训练、强化学习(RLHF/DPO/GRPO)等手段，系统性提升模型在复杂任务中的规划、工具使用准确性与长程一致性，解决多步推理中的错误累积与目标偏离。
3. 构建 Agent 的分层记忆体系(结构化记忆、语义记忆、工作记忆)，结合 RAG 架构与向量检索优化，实现对用户偏好、历史交互与领域知识的高效检索与动态注入，支撑 Agent 的个性化与持续学习。
4. 落地 Function Calling、API 调用、代码解释器集成与多模态工具协同，优化模型对外部工具的感知、选择与参数生成质量，提升 Agent 在跨系统任务中的自动化水平。
5. 探索强化学习在 Agent 决策中的应用，结合过程奖励模型(PRM)、蒙特卡洛树搜索(MCTS)、多智能体协作等前沿方法，增强模型在开放场景下的探索、反思与纠错能力，提升任务完成率与鲁棒性。
6. 与工程团队协作解决端到端延迟与资源效率问题，推动推理优化(量化、KV Cache 压缩、投机解码等)、任务调度与高并发架构设计，保障线上服务的稳定性与成本可控。
职位要求
1. 计算机、人工智能、数学等相关专业硕士及以上学历，3 年以上 NLP、对话系统或大模型算法落地经验，机器学习与深度学习基础扎实。
2. 深入理解主流大模型架构(Qwen、LLaMA、ChatGLM 等)，精通后训练全流程，在 SFT、RLHF/DPO/GRPO 上有实际落地经验，熟悉 LoRA/QLoRA 等高效微调技术。
3. 熟悉主流 Agent 范式(ReAct、Plan-and-Execute、Reflexion、Function Calling 等)，有 Agent 项目实战经验，能设计任务拆解、工具选择与结果验证的完整链路。
4. 精通 RAG 系统工程化，掌握向量数据库(Milvus、Faiss 等)与混合检索策略(稀疏 + 稠密 + 重排序);有记忆管理或长期对话上下文建模经验者优先。
5. 熟练掌握 Python 与 PyTorch/TensorFlow，熟悉 SQL 及大数据工具，熟悉主流推理引擎(vLLM、TensorRT-LLM 等)及性能调优手段。
6. 逻辑思维与问题拆解能力强，对 Agent 领域开放性问题有研究热情，自驱力强，善于跨团队协作。
加分项：
• 有复杂 Agent 系统(AutoGPT、BabyAGI、LangChain/LlamaIndex)或智能体产品(Copilot、AI 助手、自动化工作流)的落地经验;
• 有生成式检索、语义ID（VQ-VA
Reported open · Last observed 2026-10-18
1、负责机器人运动控制算法的研究和开发实现,完成机器人运动学、动力学模型的搭建与仿真模拟，优化机器人运动性能；
2、发现和解决算法开发过程中出现的技术问题，根据机器人运动特性为本体/算法协同设计提出建设性意见和改进方向；
3、参与机器人前沿控制技术预研，对相关技术成果资料进行查阅、整理及归纳。
4、负责临时演示任务，能够快速定位排查调试过程中遇到的问题。
职位要求
1、硕士及以上学历，控制工程与控制理论、机械电子、计算机、自动化等相关专业
2、掌握机电系统闭环控制方法，熟悉模仿学习、强化学习算法，能够使用常见的仿真环境完成强化学习训练任务
3、熟悉机器人学、刚体运动学、刚体动力学；掌握常用的FK/IK方法，熟悉RBDL、Pinocchio等动力学库
4、熟练使用C++及python、isaac gym、isaaclab以及mujuco等仿真器，熟练使用linux系统
5、熟悉transformer，gru/lstm，CNN等的原理及其适用场景，以及在torch库中的使用
6、了解T-S与MoE架构，对前沿论文有所研究为加分项
7、需要具备一定的真机调试经验，能够快速定位问题，为加分项
8、有机器人竞赛（如RoboCup、DARPA挑战赛），优先录取
Reported open · Last observed 2026-10-18
1、负责探索具身模型架构、训练方法，打造新一代 VLA/WM模型；
2、探索自动化高质量的数采方法，探索有效的接管数采方式，以及接管数据的价值，探索离线和在线强化学习方法；
3、跟踪最新的模型训练和优化技术，复现验证其有效价值，并将其适配到代码框架。
4、参与构造具身模型评测体系，设计评测任务，搭建VLA 模型自动化评测流程；
5、参与VLA 模型相关学术 benchmark 和国内外知名公开榜单的评测，迭代优化模型效果；
职位要求
1、毕业时间介于2026年9月至2027年8月的国内外高校的本科生、硕士生、博士生，计算机科学、机器人控制、人工智能、VLA算等相关专业优先；
2. 掌握常见VLA模型（例如PI系列、OpenVLA、diffusion policy等）原理；
3、熟悉机器人运动控制，有VLA模型训练优化和实际上机部署执行经验；
4、熟练掌握主流深度学习框架，如PyTorch、TensorFlow，具备优秀的系统级编程能力；有LLM、Diffusion、Flow、MoE、VLA等大模型架构的分布式训练经验；
5、精通至少一种分布式训练框架，如Megatron-LM、DeepSpeed、FSDP等；
6、具备良好的逻辑思维、沟通协作能力和学习能力，能够独立解决复杂问题；
7、ACM等程序设计比赛、自然语言处理/多模态相关顶级会议论文或比赛获奖经历者优先考虑；
8、具有技术热情及技术信仰，较强的学习能力和抗压能力。
Reported open · Last observed 2026-10-18
1. 垂直大模型研发落地
专注芯片设计、晶圆流片全流程垂直场景，负责领域大模型、行业专属AI模型的从零训练、微调优化、迭代升级，打造适配半导体产业场景的智能化模型能力，支撑芯片研发全流程提效。
2. 领域数据治理与处理
主导芯片设计、流片场景各类数据的全生命周期处理，涵盖RTL代码、网表文件、时序报告、功耗数据、布局布线数据、晶圆测试数据、良率数据、工艺制程参数等；
完成数据清洗、脱敏、标注、结构化解析、质量校验，搭建标准化、高质量的领域数据集，支撑模型精准训练。
3. 场景化模型能力迭代
针对芯片前端设计、后端实现、仿真验证、时序收敛、功耗优化、IR/EM分析、流片制造、量产测试等细分场景，研发专属模型能力，实现代码智能生成、缺陷智能检测、问题自动定位、参数智能调优、良率预测、工艺风险预判等核心功能。
4. 模型训练与性能优化
负责大模型训练框架搭建、超参调优、分布式训练落地，针对芯片领域数据特性优化模型架构、上下文窗口、特征提取能力；
持续优化模型准确率、推理速度、泛化能力，解决领域数据稀疏、专业度高、场景壁垒强等训练难题。
职位要求
1. 硕士及以上学历，微电子、集成电路等相关专业，2年及以上大模型研发、算法训练落地经验。
2. 熟悉芯片设计/流片核心流程，了解EDA工具、芯片前后端设计、时序功耗分析、晶圆流片、量产测试等基础业务逻辑，能够精准理解领域数据特征与业务痛点。
3. 具备行业垂直数据处理、结构化解析、高质量数据集搭建经验，能够针对半导体专业数据制定专属数据治理方案。
4. 熟练掌握Python，熟悉数据挖掘、特征工程、算法优化，具备独立排查模型训练问题、优化模型效果的能力。
5. 优先加分项
有EDA智能化、芯片设计自动化、半导体行业大模型相关项目落地经验者优先；
熟悉大模型分布式训练、显存优化、推理加速，具备千亿/百亿级模型训练实战经验者优先；
发表过AI+半导体、智能EDA、行业大模型相关论文、专利者优先；
具备微电子、集成电路专业背景，同时掌握大模型算法研发能力的复合型人才优先。
Recruitment status unknown · Last observed 2026-10-18
1、负责云音乐社区的推荐系统和模型的更新迭代，不断优化和改进现有的算法和线上策略，带来业务效果的显著提升；
2、负责追踪前沿推荐算法，探索落地创新算法技术，持续提高团队的技术水平和创新能力；
3、与业务团队紧密合作，根据业务场景，定制化创新应用算法解决业务上的痛点和挑战，支撑业务的快速发展。
职位要求
1、热爱算法技术，热爱解决问题，热爱编程，热爱学习；
2、计算机相关专业本科及以上学历，具有5年左右搜推广算法建模经验者优先，有社区推荐、transfer Learning及LLM4Rec经验者优先；
3、熟悉推荐系统前沿算法，熟练掌握常见机器学习/深度学习算法与框架；
4、熟悉Java、Python等编程语言，掌握Hadoop/Spark等大数据处理工具；
5、具备扎实的数学和统计学基础，对数据持有好奇心并有较好的业务敏感性；
6、具备良好的团队合作精神和沟通能力。
官方顶部字段
学历：本科
年限：3-5年
Recruitment status unknown · Last observed 2026-10-18
1. 负责云音乐内容安全算法体系的研发与迭代，覆盖文本、图像、音频、视频等多模态内容的违禁识别与风险识别。
2. 针对歌曲、评论、歌单、直播等场景，设计和优化违禁词检测、音视频指纹、色情/暴力/谩骂识别、ASR/NLP内容理解等模型。
3. 探索大模型（LLM/Multimodal）在内容风控场景的落地应用，解决新型突发违规内容的快速响应与识别问题。
4. 跟踪业界前沿的多模态理解、小样本学习、增量学习等技术，结合业务场景进行落地探索，持续提升平台内容生态健康度。
职位要求
1. 计算机、数学、统计等相关专业，3年以上机器学习算法经验，内容安全、多模态理解或自然语言处理领域实战经验。
2. 熟悉 Transformer 架构及预训练大模型技术，掌握至少一类LLM模型（如LLaMA，Qwen），有大模型微调（LoRA/P-tuning）或多模态模型（如 CLIP、Whisper）实际落地经验者优先。
3. 扎实的算法与工程能力，精通Python/Java，熟练使用TensorFlow/PyTorch、Spark ML等框架，有海量数据处理及模型压缩部署经验。
4. 对内容安全标准与黑灰产对抗有敏锐的洞察力，具备优秀的逻辑分析与技术攻坚能力，能快速跟进顶会前沿算法并复现。
5. 自我驱动，对内容治理有持续热情，具备良好的跨团队沟通与协作能力。
官方顶部字段
学历：硕士
年限：3-5年
Recruitment status unknown · Last observed 2026-10-18
1、负责音频、音乐算法等核心AI音乐能力的算法维护、迭代、工程化，并将算法能力转化为可稳定运行的生产服务；
2、设计并实现基于大模型的音乐相关智能体；
3、跟进业界前沿的AI音乐大模型，并探索其在音乐内容创作、AIGC内容平台等场景的落地路径；
4、与产品、内容运营、算法及平台团队紧密协作，将技术能力嵌入真实业务流程，并通过数据反馈实现持续迭代优化。
职位要求
1、计算机科学、人工智能、电子信息或相关专业硕士及以上学历；
2、精通Python，熟悉至少一种AI开发框架（PyTorch/TensorFlow），有AI应用项目的完整开发经验；
3、熟悉大语言模型的优化与工程接入，具备提示词工程的实际开发经验；
4、熟悉大型项目工程的开发、测试、上线与持续迭代流程，有复杂线上系统的开发或维护经验；
5、具备较强的工程实现与问题解决能力，能在实际业务场景中快速构建可落地的AI应用闭环；
6、具有良好的跨团队沟通能力与创新精神，能够从算法到产品形成完整交付路径，并持续推动业务价值产出。
优先条件
1、对AI音乐生成模型有深入理解或使用经验者优先；
2、熟悉智能体框架，对工具调用、任务规划、记忆系统有实际开发经验者优先；
3、有大规模工程化经验者优先；
4、有Prompt调优实战能力者优先；
5、具备音频处理或信号处理基础能力（音频格式处理、采样率转换、基础音频编辑等）者优先；
6、具备音乐创作或乐理知识（如演奏、编混、创作）者优先。
官方顶部字段
学历：不限
年限：不限
Reported open · Last observed 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
Reported open · Last observed 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
Reported open · Last observed 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
Reported open · Last observed 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
