科大讯飞实习岗位

岗位职责 【课题介绍】 本课题聚焦通用原生多模态大模型研发中的核心技术瓶颈，围绕原生多模态模型架构、多模态数据智能治理、高效预训练与对齐、多模态理解与推理、高分辨率图像和长视频建模、大规模分布式训练优化及模型评测等核心方向，构建具备统一感知、深度理解、复杂推理和可靠生成能力的通用多模态模型体系。 针对多模态模型训练过

硕士 · 查看完整岗位与申请入口 →

岗位职责 【课题介绍】 随着基础大模型能力持续提升，Agent 的核心瓶颈正在从“模型能不能做”转向“系统能不能让模型稳定、安全、低成本地完成复杂任务”。本课题，重点研究长程任务执行、上下文与记忆、可靠工具调用、状态恢复、端云协同、安全控制和 Trace/Eval，建设可扩展、可恢复、安全可控、成本可度量的 Agent

硕士 · 查看完整岗位与申请入口 →

岗位职责 【课题介绍】 本课题聚焦"端到端语音大模型"这一下一代人机语音交互的核心底座，突破当前"识别—理解—对话"级联架构在延迟、误差累积、副语言信息丢失上的固有瓶颈，构建以语音为中心、直接从声学信号完成语义理解与交互决策的统一大模型体系。课题以端到端实时语音交互大模型框架为统一建模底座，向下支撑端到端语音同传翻译与

学历以官网为准 · 查看完整岗位与申请入口 →

岗位职责 【课题介绍】 本课题聚焦"端到端语音生成大模型"这一语音合成范式变革的核心方向，突破传统 TTS 在音质自然度、音色/韵律/情感可控性、零样本泛化、多说话人多轮交互生成上的固有瓶颈，构建以大语言模型为语义骨架、以扩散/多 token预测为声学生成引擎的端到端高保真语音生成体系。课题围绕LLM + DiT/MT

学历以官网为准 · 查看完整岗位与申请入口 →

岗位职责 【课题介绍】 通用大模型预训练在LLM训练周期中占比最高，预训练效果优劣很大程度上依赖底层训练基础设施的规模、稳定性和效率。当模型尺寸迈向千亿和万亿级别，集群规模从千卡扩展到万卡甚至更大规模时，预训练框架变成一项系统工程：如何在框架层实现效率、显存和通信的均衡。研究与训练调度平台协同实现超大集群在数周乃至数月

硕士 · 查看完整岗位与申请入口 →

岗位职责 【课题介绍】 本课题聚焦超大规模 MoE 大模型超大专家并行（EP128 以上） 场景下的核心瓶颈，围绕跨节点高带宽通信优化、动态专家负载均衡、多并行维度协同调度三大主线，构建低通信开销、高资源利用率、低尾部延迟的 MoE 分布式推理体系。 针对 EP 规模扩张带来的 all-to-all 通信拥塞、专家访问

硕士 · 查看完整岗位与申请入口 →

岗位职责 【课题介绍】 算子是释放硬件算力的关键，大模型训练推理效率优化关键在于算子效率，算子效率直接决定了训推框架的整体效率。但实际训练推理中观测到的算力利用率往往远低于硬件峰值，算子效率成为制约上层大模型框架发挥硬件极限能力的关键瓶颈。如何深度挖掘硬件特性，实现算子和通信原语的高效实现与极致优化，直接决定了AI基础

硕士 · 查看完整岗位与申请入口 →

岗位职责 【课题介绍】 本课面向超大尺寸通用大模型规模化的 API 服务场景，基于国产异构算力芯片构建大规模、高性能的分布式推理集群。围绕多级 KVCache、实时动态计算调度、弹性异构基础设施等核心任务，通过工程技术的持续创新，不断追求用户延迟体验、服务成本以及可靠性工程等方面的极致优化，构建高性价比的大模型 API

硕士 · 查看完整岗位与申请入口 →

岗位职责 【课题介绍】 当前大模型 RL 后训练面临多模型（策略/价值/参考/奖励/验证器）并存带来的显存压力、生成回滚与梯度更新的同步等待、海量轨迹数据的传输存储开销等核心痛点；而 AgentRL 场景中，智能体需与十万级并发环境实例进行数十至上百轮交互，长程上下文累积、环境状态异构性与故障频发、推理与训练速度失配等

硕士 · 查看完整岗位与申请入口 →

岗位职责 【课题介绍】 本课题聚焦千万级超长上下文通用大模型建模核心难题，针对当前线性注意力、稀疏注意力两大主流技术阵营的固有缺陷，围绕线性运算复杂度保障、时序位置敏感性与超长外推能力、次线性KV缓存优化三大核心主线，开展融合式注意力建模创新研究，构建高精度、低开销、强泛化的千万级长序列建模体系。 当前线性注意力路线

硕士 · 查看完整岗位与申请入口 →

岗位职责 【课题介绍】 随着通用大模型在深度推理、软件工程、复杂工具调用能力上的不断提升，模型正在从“完成短流程任务”迈向“可靠承担长期开放任务”。本课题围绕仓库级大型软件工程智能体、超长时程任务规划与工具使用、复杂智能体轨迹数据合成、模型自我验证与自主校准等关键技术方向开展研究，构建能够理解目标、分解任务、调用工具、

硕士 · 查看完整岗位与申请入口 →

岗位职责 【课题介绍】 我们认为未来的通用大模型不仅需要根据人类提供的数据和奖励进行训练，还需要能够主动探索环境、发现知识与技能缺口、从交互反馈中持续学习，并逐步形成自我改进和自主进化能力。 本课题围绕Reasoning RL、Agentic RL、自主持续学习与递归式自我改进等关键技术方向开展研究，探索从离线训练、

硕士 · 查看完整岗位与申请入口 →

岗位职责 【课题介绍】 本课题聚焦通用原生多模态大模型研发中的核心技术瓶颈，围绕原生多模态模型架构、多模态数据智能治理、高效预训练与对齐、多模态理解与推理、高分辨率图像和长视频建模、大规模分布式训练优化及模型评测等核心方向，构建具备统一感知、深度理解、复杂推理和可靠生成能力的通用多模态模型体系。 针对多模态模型训练过

硕士 · 查看完整岗位与申请入口 →