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
我们正在寻找对大模型技术充满热情与好奇心的未来领袖。作为团队的核心成员，你将：
1、驱动核心产品规划：参与主导我们下一代大模型产品，将前沿技术转化为具有巨大用户价值的产品；
2、深度参与技术协同： 与顶尖研发团队紧密合作，深刻理解模型，并在此基础上定义产品需求；
3、洞察全球市场与用户：为产品注入国际化视野，助力我们的产品在全球舞台保持领先。
职位要求
1、卓越的技术理解力，具备良好的数据结构和算法基础，熟练掌握Python/SQL等工具者优先；
2、出色的产品思维，对AI产品的交互设计、能力边界等问题有自己独到的思考；
3、极强的自驱力与好奇心，主动探索未知领域，乐于学习并能快速掌握新知识。
Reported open · Last observed 2026-10-18
1. 负责 MiniMax Agent / AI App 相关产品的服务端研发；
2. 参与 Agent 系统架构、任务调度、上下文管理、工具调用、数据链路等能力建设；
3. 与算法、产品、前端、客户端团队协作，推动大模型能力稳定、高效地服务用户；
4. 持续提升系统性能、稳定性、可扩展性和研发效率。
职位要求
1. 具备扎实的计算机基础和服务端工程能力，理解高并发、分布式、存储、缓存等常见问题；
2. 有复杂系统设计能力，关注技术方案的长期质量；
3. 对 LLM / Agent / AI App 有兴趣，有独立开发、开源项目、创业项目或 AI 工具实践者优先。
Reported open · Last observed 2026-10-18
AI技术真正产生价值，在于它穿透行业、回到模型。你要做的就是这件事——带着最前沿的大模型能力，潜入教育、医疗、金融、制造等真实场景，和客户一起把AI用起来，同时把行业数据闭环回流，反哺算法迭代。这是一个技术深度和商业宽度都必须极强的岗位。
你做什么
1、行业渗透：理解不同行业的核心业务逻辑，识别AI落地的真实卡点，不是卖功能，是帮客户想清楚怎么用；
2、方案设计：基于MiniMax大模型能力，拆解客户需求，输出可落地的行业解决方案，动辄涉及端到端架构设计；
3、数据闭环：确保行业场景产生的真实数据能有效回流，成为模型迭代的燃料——这本身就是技术活；
4、跨团队对齐：联动算法、产品、工程团队，确保方案在技术边界内可行，且能撬动模型改进。
职位要求
我们期待你
1、技术底色：计算机/AI相关学历背景，算法工程师/研究员出身，能和技术团队在同一频率对话——不是要你写模型，而是能判断技术可行性、评估边界、能和算法同学对话碰撞；
2、行业阅历：在IT咨询、投行、企业级SAAS公司、云厂商行业解决方案团队待过，或者自己创过业深度服务过B端客户。你见过真实的商业场景，知道企业要什么、不要什么；
3、AI落地经验：在AI创业公司做过CTO/技术负责人/解决方案负责人，或者在大型科技公司的行业落地团队主导过成功项目。你亲手把AI从demo变成生产环境跑过，知道坑在哪里。
为什么来MiniMax
1、你做的每一个项目，产生的行业数据会直接回流到模型训练——你的工作本身就是产品进化的闭环；
2、离技术足够近，能影响模型能力本身，不是一个纯售前角色；
3、早期加入，定义这个岗位本身的可能性。
Reported open · Last observed 2026-10-18
1. 负责 MiniMax Agent 相关 Web / 桌面端产品的前端研发；
2. 参与 AI Agent 交互体验、工作流界面、多模态内容展示等核心模块建设；
3. 与产品、设计、服务端、算法团队协作，推动复杂 AI 能力产品化；
4. 持续优化前端性能、工程架构和研发效率。
职位要求
1. 熟悉前端技术栈，有扎实的前端基础；
2. 具备良好的工程能力，关注代码质量、组件设计、性能和用户体验；
3. 学习能力强，能快速理解业务和技术方案，主动推进落地。
4. 对 AI Agent、AI 工具、AI 应用有兴趣，有独立开发、开源项目、创业项目或 AI 工具实践者优先。
Reported open · Last observed 2026-10-18
团队介绍
我们正在构建企业级 AI Agent 评测与管理平台，覆盖模型管理、Agent 调试、评测任务调度、Pipeline 编排、沙盒执行等完整链路。平台服务于内部多个 AI 团队，日均承载大量 LLM 调用与 Agent 评测任务，直接影响模型评测、Agent 研发与迭代效率。
在这里，你将深度参与 AI Agent 前沿技术的工程化落地，接触模型训练、Agent 研发、数据标注、评测 Benchmark 等多个方向。平台技术栈现代、架构演进快，既有高并发调度、LLM 网关、容器沙盒等后端核心系统，也有可视化 DAG 编排、评测数据管理等产品化场景，具备充分的系统设计与技术发挥空间。
工作职责
1. 参与 AI Agent 评测平台核心功能开发，包括评测任务调度、Pipeline 编排引擎、数据集管理等模块
2.设计并实现 LLM 网关层，负责模型路由、Token 计量、多供应商模型接入与调用治理
3.开发和维护 Agent 沙盒执行环境，包括容器调度、工具执行、MCP 服务集成等能力
4.参与前端可视化编排界面开发，支持基于 DAG 的评测流水线配置与管理
5.持续优化平台稳定性与性能，支撑高并发评测任务的调度、执行与监控
职位要求
必须具备
1.一年以上后端开发经验，熟练掌握 Go 语言
2.熟悉 Web 框架开发，理解 RPC / HTTP 接口设计与代码生成
3.熟悉 MySQL、Redis，具备数据库设计与性能优化经验
4.熟悉 Docker / Kubernetes 等容器化部署技术
5.具备良好的系统设计能力，能够独立负责模块方案设计与落地
加分项
1.有 LLM / Agent 应用开发经验，了解 prompt engineering、function calling、MCP 协议
2.熟悉 Vue 3 或 React，能够参与前后端协同开发
3.有评测系统、Benchmark 平台或任务调度系统建设经验
4.有 Python 开发经验，了解数据处理流水线
5.熟悉 CI/CD 流水线搭建，有 DevOps 实践经验
Reported open · Last observed 2026-10-18
1、负责C端AI内容产品的规划和设计工作，结合业务场景及行业诉求孵化创新产品；
2、探索用户需求、市场空间，抽象制定出完善的产品策略与方案；
3、与研发和算法团队紧密配合，进行高质量迭代，并能基于业务充分发挥AI能力。
职位要求
1、对视频、图片AI算法了解，有内容产品经验优先；
2、对AIGC有热情，了解国内外行业动态 ；
3、高效项目推进能力，出色的沟通能力，有较强自驱力和团队合作精神 ；
4、思维活跃，有好奇心和责任心。
Reported open · Last observed 2026-10-18
1、参与 AI 开放平台的产品设计，为客户提供极致的AI 产品体验和服务；
2、与解决方案团队紧密合作，清晰理解客户需求，迭代产品功能；
3、与研发团队密切合作，理解 AI 相关技术和边界，推进研发迭代；
4、持续发现市场上的新场景，并形成新的产品或解决方案。
职位要求
1、计算机、人工智能或相关领域的学士或硕士学位，有海外2B业务经验优先；
2、优秀的产品sense和策划能力，对产品的细节可以做到清晰理解；
3、了解AI大模型相关技术、应用场景和业界进展；
4、具备良好的沟通能力和项目管理能力；
5、3年以上开放平台类/AI类产品经验；
6、很强的责任感和自驱力。
加分项
1、时刻关心大模型领域研发方向和前沿技术；
2、 对于大模型tob行业情况有熟悉的认知；
3、 具备流畅的英文文档阅读能力。
Reported open · Last observed 2026-10-18
我们是零一万物 ToB 产品设计团队，我们的使命是为国内外企业提供专业强、效果好、门槛低、体验优的企业级 AI Agent 产品，让先进的 Agent 技术真正为企业业务带来价值，帮助企业完成 AI 转型落地。
职位描述：
1. 参与 ToB 业务方向 AI Agent 产品的需求调研、竞品分析、用户访谈整理、业务流程梳理和产品方案设计；
2. 协助产品经理和业务团队，理解客户真实业务场景，整理目标用户、使用流程、核心痛点、Agent 能力边界和业务价值；
3. 参与产品原型设计、PRD 撰写、交互细节梳理，并与设计、研发、测试团队协同推进功能落地；
4. 协助构建 Agent 效果评估体系，包括评测场景设计、测试集整理、效果数据追踪、用户反馈收集与问题归因；
5. 持续关注 AI Agent、企业级 AI 应用、AI + Data方向的发展动态，输出调研分析并为产品迭代提供参考。
职位要求
1. 2027届本科及以上学历在读，计算机、人工智能等相关专业优先；
2. 对 AI Agent、企业级 AI 产品、Agent Builder、数据+AI 等方向有热情；
3. 具备较好的逻辑思维和结构化表达能力，能够将复杂业务问题拆解为清晰的产品需求；
4. 有Vibe Coding的能力，能熟练基于Vibe Coding工具生成原型；
5. 每周可实习 4 天及以上，连续实习 3 个月以上优先，优秀且符合要求的同学提供转正机会。
Reported open · Last observed 2026-10-18
1、 基于 Kubernetes 建设多租户 GPU 算力调度平台，支持弹性伸缩与任务级管理
2、实现 GPU 拓扑感知调度（NVLink/PCIe），降低跨卡通信 P99 尾延迟
3、 探索 MIG、时间分片等 GPU 切分方案，提升卡级利用率
4、构建高并发大模型在线推理平台
5、 建设 GPU、网络、存储、推理全链路可观测性体系
6、 推进 Spot 实例与自动扩缩容，降低算力成本
7、 建立故障定位、应急响应与根因分析机制
职位要求
1、熟练 Golang、Python
2、熟悉 Kubernetes、Docker，有调度框架二次开发经验优先
3、熟悉至少一种训练/推理框架：PyTorch、Megatron、DeepSpeed、vLLM、SGLang
4、理解 GPU 架构、CUDA、异构计算；了解 RDMA、NVLink、InfiniBand
加分项：K8s Scheduler Framework、Volcano/Kueue、PD 分离、KV Cache、AI Agent 基础设施等
Reported open · Last observed 2026-10-18
这是一个面向海外客户真实 AI 场景的技术岗位。你会与 FDE、Consulting、产品和研发团队一起，从客户调研、Use Case 识别，到 AI Agent / Demo / POC 开发、数据与系统集成、评测和交付，参与企业 AI 项目的完整落地过程。
职位描述
1、参与海外客户访谈、业务调研和 Use Case 分析，将模糊问题逐步转化为可验证的 AI 场景；
2、基于 LLM、Agent、RAG、Tool Use、Workflow 等技术快速开发 Demo / POC / AI 应用；
3、参与后端 / 全栈开发、API 与数据处理、系统集成、部署测试和问题排查；
4、协助开展 Agent Eval、效果优化和生产验证；
5、沉淀代码、Agent、Prompt、Eval、知识库和交付方法等可复用资产；
6、与 FDE、Consulting、产品、研发、销售及客户团队协同推进项目。
职位要求
职位要求
1、本科以上学历，海外学习背景，计算机相关专业优先；
2、熟悉 Python / Java / Go / Node.js / SQL / API / Git 等部分技术栈，具备扎实的后端或全栈开发能力；
3、开发过 LLM / AI Agent / RAG / Tool Calling / Workflow 等项目，有 Eval、MCP、Multi-Agent 等经验优先；
4、主动、有 Ownership，学习速度快，能适应需求模糊、快速迭代的创业环境；
5、英语流利，可直接参与英文会议和技术沟通。
Recruitment status unknown · Last observed 2026-10-18
我们正在寻找喜欢直接与客户合作，使用大语言模型（LLMs）构建实际解决方案的工程师。在这个岗位上，你将融入客户环境，了解他们面临的挑战，协作构建解决方案，并应对不断变化的问题领域。你将与内部合作伙伴（如销售、解决方案架构师、客户成功和产品团队）密切合作，以确保这些项目的成功，并将宝贵的见解反馈给公司。
你的职责
与客户合作，深入了解他们的技术和业务需求。
- 使用敏捷、迭代的方法设计和构建端到端的AI驱动应用程序。
- 为原型和实际部署制定并管理详细的项目范围和实施计划。
作为值得信赖的技术合作伙伴，与客户团队并肩工作，在其基础设施上实施解决方案。
-与跨职能团队协作，确保顺利交付和持续成功，同时分享见解以改进内部流程和产品。
记录经验教训和最佳实践，以帮助在整个组织内扩展FDE职能。
职位要求
你所具备的条件
-至少4年软件工程或涉及直接客户互动的类似角色的工作经验。
有高达50%的出差灵活性，以便与客户进行现场协作。
有构建快速原型并根据用户反馈进行迭代的良好记录。
-有领导或参与AI/ML解决方案部署的经验，熟悉网络和云技术。
具备扎实的前端工具技能，如React或Next.js；后端开发技能，使用Python或Node.js等语言；以及数据分析工具技能，如MaxCompute、ClickHouse或其他SQL数据库。
-熟悉包括阿里云、腾讯云、华为云在内的云平台。
-具备出色的沟通能力，能够向技术和非技术利益相关者传达复杂的技术主题。
- 采用务实的方法解决问题，主动学习并根据需要进行调整，以取得有效的成果。
Reported open · Last observed 2026-10-18
1. 构建与迭代B端Agent平台与产品能力：工作流编排（DAG / State Machine）、多智能体协作、会话与任务系统（异步/长任务）、记忆与上下文管理。
2. 负责 Agent 工具体系工程化：工具注册/版本与兼容策略、参数 Schema（JSON Schema/Pydantic）、鉴权与租户隔离、幂等/重试/限流、失败降级、回放与审计。
3. 落地企业级 RAG：多源数据接入（文档 / DB / ES / 内网系统）、切分与索引、混合检索（Milvus / PGVector + ES）、重排、引用溯源、增量更新、权限过滤（ACL / RBAC / ABAC）。
4. 负责全栈交付：React 界面（用户界面和管理界面）、Python 后端（API、队列、调度、权限、审计、配置）。
5. 负责模型接入与路由：公有云与自建推理的统一适配层（Provider / Adapter）、模型路由策略、降级与容灾、成本与延迟优化（缓存、批处理、并发控制、token 预算）。
6. 负责交付与运维工程化：SaaS 多租户与配额；私有化安装包（K8s / Helm + Docker Compose）、离线依赖（镜像 / 包 / 模型 / 向量库）打包、升级迁移与回滚预案。
7. 建立评测与可观测：离线评测集、线上指标（成功率 / 工具成功率 / 引用命中率 / 延迟 / 成本）、A/B与回归门禁；基于Tracing / Metrics / Logs 实现端到端定位与复现。
职位要求
技术栈：Python / React / LangGraph / Milvus / PGVector / Elasticsearch / etc.
经验要求：5年+
1. Python 后端扎实：FastAPI（或等价）、异步/并发、任务队列、系统设计与性能优化。
2. React 前端扎实：能交付ToB用户界面和管理界面的复杂交互（流程编排 / 可视化 / 调试面板），熟悉工程化与状态管理。
3. 熟悉 LangGraph 或同类状态机 / 编排思想，能实现：状态持久化、重试与补偿、分支与回滚、人工介入（HITL）。
4. 熟悉 Milvus / PGVector / ES 的检索体系与 RAG 工程，理解混合检索、重排与引用溯源的工程化落地。
5. 熟悉ToB关键能力：多租户隔离、RBAC / ABAC、审计日志、配置隔离、灰度/回滚、配额/限流（至少参与过落地）。
6. 具备私有化/离线交付能力：K8s/Helm 与 Docker Compose 双形态部署；离线镜像仓库、依赖与模型分发；升级兼容与数据迁移。
7. 安全意识强：Prompt / Tool Injection 防护、最小权限、数据脱敏、审计可追溯。
8. 熟练使用相关AI工具包括不限于：
- 代码：Curs
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。
Reported open · Last observed 2026-10-18
1. 跟踪模型/框架/推理引擎与云原生生态变化，将洞察到的行业趋势与用户行为迁移，转化为可落地的产品路线图与迭代节奏。
2. 围绕大模型开发、训练、推理等核心场景，定义核心产品能力与需求描述，并进行相应的设计。
3. 与研发、测试、前后场等相关部门紧密配合，协同跟进产品的设计、测试、上线、宣传及后续改进和迭代等完整生命周期内的相关环节。
4. 对平台的资源利用率、任务成功率、训练/推理性能、用户转化与留存等核心指标负责。
职位要求
1. 具有3年以上产品经理经验，云计算/AI 平台/算力平台/DevOps/MLOps 相关背景优先。
2. 硕士及以上学历，计算机背景、数理、工程相关专业优先。
3. 对大模型训练与推理链路有系统性认知，理解 IaaS/PaaS 基本原理，熟悉容器/Kubernetes、基础云资源、云管等关键概念。
4. 系统化的产品思维与逻辑能力，具备客户/用户洞察和数据化支撑、量化分析能力。
5. 善于沟通协调，学习能力强，owner意识强，对客户负责，能在动态的创业公司环境变化中持续推进产品价值实现。
6. 加分项
有头部云厂商或AI Infra平台相关经历；
熟悉市场主流分布式训练、推理引擎的原理。
Reported open · Last observed 2026-10-18
我们正在探索如何通过 Agent Harness Engineering 构建下一代 AI Infra 推理系统。你将参与即将开源的推理引擎研发，围绕算法优化、系统优化、服务优化、框架优化、编译优化与算子优化开展全链路技术探索，打造高性能、高易用、低功耗、跨平台的推理产品。
同时，你将探索如何利用 Codex、Claude Code、OpenCode 等 Coding Agent，结合 Skills / Plugins / Hooks / MCP、知识与上下文管理、多 Agent 协作、流程与工具设计、编译及自动验证技术，构建可持续迭代的 Agent 研发系统。我们希望进一步探索 Agent / Multi-Agent 自进化，以及 Agent for Systems、Agent for Science、Agent for Robotics 等更广泛的 Agent for X 方向。
团队研发环境扁平、技术决策链路短，并提供充足的模型 Token 与 GPU 算力，支持快速实验和前沿技术探索。
职位要求
我们希望你具备：
硕士及以上学历，计算机相关专业，具备扎实的操作系统、计算机体系结构、编译原理基础；
具备 AI Infra、推理优化、编译器、GPU 系统或高性能计算相关科研或工程经验；
熟悉 C++ / Rust / Python，熟悉 CUDA，具备独立分析和解决复杂系统问题的能力；
熟练使用 Codex / Claude Code / OpenCode 等 Coding Agent，并实际使用过 Skills / Plugins / Hooks / MCP 等 Agent 工程能力；
对 Agent、Multi-Agent System 以及智能体自进化有持续实践，并形成自己的理解和判断；
有较强的自驱力、好奇心与快速学习能力。
加分项：
有推理引擎、CUDA Kernel、Compiler / Runtime、LLM Serving 或性能优化相关经验；
熟悉 Agent / Multi-Agent 理论以及经典算法，包括规划、搜索、强化学习、形式化、博弈论等方向；
有 Agent Harness、Multi-Agent Workflow、自动代码优化、自动 Kernel 生成 或 Self-improving Agent System 相关研究或工程经验。
