上海人工智能实习岗位

岗位职责 1、负责搜索广告 AI 检索技术研发，将多模态大模型落地于语义检索、生成式推荐、端到端召回等无关键词召回技术中，促进 LLM、Agent 等技术在搜索广告业务中用户洞察、投放标的理解、动态创意等方面的落地； 2、负责搜索广告 AI 匹配技术研发，通过最新的生成式 AI 等技术升级广告匹配链路，重构意图理解、需

硕士 · 查看完整岗位与申请入口 →

岗位描述 岗位简介： 我们正在探索下一代大语言模型与通用人工智能的核心边界：不仅关注语言模型的规模化表达，更专注于模型训练的能力极限，并探索模型在复杂环境下的自我迭代、持续学习与自主进化。我们期待对 LLM 基础理论、强化学习、Self-Improvement 以及 Agent 感兴趣的同学加入，共同探索大模型在数据、

学历以官网为准 · 查看完整岗位与申请入口 →

岗位职责 你将加入 LongCat Agent 算法团队，与一线研究员共同推进下一代智能体的范式探索。具体方向包括但不限于： 1.Agentic RL 基础算法研究：探索面向长程多步任务的强化学习训练范式，包括稀疏奖励下的信用分配、过程奖励建模、自我博弈与多智能体协同、可扩展的 reward modeling，以及训练

学历以官网为准 · 查看完整岗位与申请入口 →

1. 数据工程：构建和维护 RTL（Verilog）指令微调数据集，包括 spec→RTL 对齐、功能验证数据生成、DPO 偏好对构建； 2. 模型微调：基于 MS-Swift / LLaMA-Factory 等框架，对 Qwen2.5-Coder 等开源代码模型进行 SFT / DPO / GRPO 后训练； 3.

学历以官网为准 · 查看完整岗位与申请入口 →

工作职责 -负责推荐场景下的基础大模型的持续优化，探索模型参数量的Scaling Law，提升模型在复杂推荐场景下的理解与推理能力，推动推荐向Foundation Model范式演进 -突破传统“召回-排序”的漏斗式架构，探索并落地结合多模态的生成式召回技术 -研发端到端的推荐模型，探索将召回、粗排等多个模块统一在一个

本科 · 查看完整岗位与申请入口 →

岗位职责 现有通用智能体在复杂任务执行过程中仍面临多模态环境理解能力不足、技能复用能力弱以及长程任务稳定性不足等问题。 本课题聚焦通用智能体系统级能力学习与自主任务执行，旨在提升智能体在复杂环境中的任务规划、技能调用与长程决策能力。研究方向包括多模态工具调用与环境交互机制、Skills 自动抽取与组合及自主加载、以及

本科 · 查看完整岗位与申请入口 →

岗位职责 基于端到端深度学习实现音频、视频高效压缩，突破传统编解码在低码率下的音画质瓶颈。 探索从像素压缩到语义重建的AI原生编解码研究，从传统编解码压缩还原架构，演进为接收端轻量生成重建技术。 岗位要求 1、本科及以上学历，计算机、软件、人工智能、电子信息、网络安全、数学等相关专业优先； 2、熟悉主流视频编码标准原

本科 · 查看完整岗位与申请入口 →

岗位职责 基于AIGC在视频画质增强与修复、直播礼物特效、互动场景风格化迁移方向不断升级创新，应用于多媒体媒体处理链路，丰富点直播创新玩法、低延迟视频增强与画质优化。 岗位要求 1、本科及以上学历，计算机、通信工程、软件工程、数学或相关专业优先； 2、在图像、视频传统算法，深度学习、机器学习等人工智能领域有丰富经验

本科 · 查看完整岗位与申请入口 →

岗位职责 工作职责 把“还没被证明的体验设想”做成可运行、可测量、可上线的端到端原型与实验，在真实业务场景里快速验证、快速迭代，把有效结论变成可推广的成熟方案。 工作职责： 1、构建可运行的 Agent 核心链路：围绕社区新交互场景，设计并实现 Agent 的核心能力，你需要把一个“看起来可行的想法”，真正落成可以跑、

本科 · 查看完整岗位与申请入口 →

岗位职责 【部门介绍】引擎架构部提供小红书搜广推，CV和NLP业务的深度学习模型高性能AI Infra服务。主导SOTA AI Infra架构设计与核心模块开发，支撑AI业务在大规模多模态生成式搜广推等前沿场景上规模落地。 1、参与开发支持下一代语言/多模态超大规模（百亿-万亿级）模型的GPU千卡互联分布式训练和推理

学历以官网为准 · 查看完整岗位与申请入口 →

[6 months, 4-5 days/week] Name of Project: AD Data Pipeline Agentic Systems Intern - 自动驾驶数据产线Agent开发实习生 Objectives: Mercedes-Benz is developing scalable data

学历以官网为准 · 查看完整岗位与申请入口 →

岗位职责 本课题的研究目标是研发更高效的预训练scaling效率，通过数据策略、模型结构设计(Dense, MoE, Long Context等)、初始化&优化器策略、学习范式的创新，深度理解模型的学习机制和评估方法，能够更精准的预测模型行为，并持续提升模型预训练从算力&数据到智能的转化效率。 岗位要求 1、不限年级

本科 · 查看完整岗位与申请入口 →

岗位职责 本课题的研究目标是： 1、研究如何充分用好文本、图片、视频等各个模态的有效信息，进行高效的多模态数据表征和联合建模，能够更加高效的从各个模态中学习有效信息； 2、探索多模数据如何才能更高效的学习，多模数据如何对文本智能能力有提升，探索理解和生成的联合建模如何进一步提高多模态模型的能力上限。 岗位要求 1、不

本科 · 查看完整岗位与申请入口 →

岗位职责 本课题的研究目标是研发大规模、高效易用的大模型训练框架，针对不同模型架构，探索多机多卡分布式训练的性能极限。 包括不限于： 1、高度稀疏化、长文本的模型训练策略优化； 2、大规模MoE模型的大规模RL训练性能优化； 3、基于模型的训练和推理瓶颈，工程算法Codesign探索下一代大模型网络结构设计。 岗位

本科 · 查看完整岗位与申请入口 →

岗位职责 本课题聚焦于一个随模型能力提升而愈发紧迫的根本性问题：当 AI 在越来越多任务上超越人类判断能力时，如何维持有效的对齐监督。传统 RLHF 依赖人类对模型输出的直接评估，但这一前提在模型能力持续增强后逐渐失效——人类既无法高效覆盖海量反馈需求，也难以可靠判断超出自身认知边界的输出质量。研究将围绕以下核心问题展

本科 · 查看完整岗位与申请入口 →

岗位职责 本课题面向大规模 MoE 模型在复杂任务上的强化学习方法研究，其核心挑战在于：稀疏的结果奖励在复杂任务中无法为中间过程提供有效训练信号；MoE 架构下专家路由在策略更新中引入额外的训练不稳定性；随模型能力提升，可靠的外部监督信号愈发稀缺，单纯依赖人工反馈的范式遭遇天花板。研究将围绕以下核心问题展开：如何构建不

本科 · 查看完整岗位与申请入口 →

岗位职责 尽管当前的多模态大模型（融合视觉、语音、文本）已展现出强大的感知与理解潜力，但是在实时交互场景中，由于模型设计导致的高延迟、生硬的轮次状态、频繁的打断或被打断严重影响信息传递效率。同时多个模态无法实时融合也限制了多模态模型在语音交互场景下的深度应用。生成的交互内容有时显得冗长、缺乏提炼或智能不足，这些问题限制

本科 · 查看完整岗位与申请入口 →

岗位职责 本课题的核心问题是：如何让 AI 系统在跨会话、跨时间的长期交互中持续积累经验、理解用户、并随之成长。当前模型本质上是无状态的——每次对话结束后记忆归零，无法从历史交互中形成对用户的深度理解，也无法将过去的经验转化为未来决策的依据。研究将聚焦于：如何设计高效的记忆构建、更新与检索机制，在存储成本与信息保真度之

本科 · 查看完整岗位与申请入口 →

岗位职责 本课题聚焦预训练阶段的核心算法与训练策略，系统性探索模型能力上界的突破路径。研究方向包括但不限于：智能数据配比、多阶段学习研究、面向预训练的先进训练算法优化，以及严谨可复现的算法评测与验证体系构建。通过数据结合训练算法和策略，推动预训练模型在通用场景下的性能实现实质性跃升。 岗位要求 1. 年级不限，本科及

本科 · 查看完整岗位与申请入口 →

岗位职责 本课题聚焦预训练数据的全链路智能化处理，探索从原始语料到高质量训练集的自动化构建方法。研究方向包括但不限于：面向海量数据的高效筛选与质量评估机制、通用场景下可扩展的数据管线设计，以及端到端、自动化的高性能数据流水线构建。通过构建高质量、高效率的数据基础设施，为预训练模型的能力跃升提供数据底座支撑。 岗位要求

本科 · 查看完整岗位与申请入口 →

岗位职责 具备Recursive Self Improvement的AI Research Agent System探索研究。随着GPT-Codex, Claude Code, Gemini等大模型api能力的大幅增强，基于这些api构建的agent system在通用agent领域(如openclaw)，和vibe

本科 · 查看完整岗位与申请入口 →

岗位职责 本课题聚焦于提升大模型在上百轮交互的超长程 Agent 任务中的自主执行能力，目标场景涵盖 CLI/GUI Computer Use、Software Engineering、科研与专业任务等，并致力于让模型从被动响应指令转变为能够主动推进任务的 Proactive Agent。当前面临的核心挑战贯穿训练与推

本科 · 查看完整岗位与申请入口 →

岗位职责 本课题聚焦于多模态理解与生成的高效算法研究，旨在通过创新的模型压缩与加速技术，在保持模型性能的前提下显著降低计算开销与延迟。课题将深入分析现有多模态模型的视觉感知与生成机制，探索视觉Token自适应压缩（如文本引导的动态token剪枝、跨层信息复用等前沿技术）、Agent上下文管理、扩散模型一致性蒸馏与潜在一

本科 · 查看完整岗位与申请入口 →

岗位职责 本课题聚焦全模态Agent（GUI操作、代码生成、网页导航）在长程交互任务领域的算法研究。旨在解决Agent执行跨越数百至数千步的复杂任务时，传统强化学习仅依赖终态奖励信号，导致信用分配路径过长、梯度信号衰减，策略优化难以收敛的问题。研究方向包括：设计层次化时间抽象信用分配机制，缓解长程任务中flat pol

本科 · 查看完整岗位与申请入口 →

岗位职责 本课题旨在通过优化Transformer模型中的KV缓存机制，解决处理长序列数据时遇到的计算和内存挑战，目标是减少资源消耗、降低延迟并提高效率。 研究方向包括设计高效的KV缓存管理策略、适应不同应用场景的缓存优化以及并行与分布式处理优化。预期将成果应用于自然语言处理、视频分析等领域，为处理超长序列数据提供更

本科 · 查看完整岗位与申请入口 →

岗位描述 研究领域： 大模型智能体 项目简介： 在AI眼镜、视频交互等实时多模态交互场景中，系统需要持续处理长时间的流式视频输入，并在交互过程中逐步构建和更新对用户、环境及上下文的理解。现有的视频理解方法主要面向离线场景，存在以下核心技术挑战： 流式处理的实时性瓶颈：传统方法依赖完整视频片段进行批处理，难以满足

学历以官网为准 · 查看完整岗位与申请入口 →

黑翼资产成立于2014年，是国内首批量化私募机构，连续七年斩获中国私募金牛奖。核心团队兼具华尔街全球量化经验与中国本土市场深度洞察，致力于为客户创造长期稳健回报、打造高品质的顶级量化对冲基金公司。 我们高度重视技术创新，将机器学习、深度学习和强化学习等前沿AI技术植入量化投资的全流程，铸造尖端研究平台。公司团队中70

学历以官网为准 · 查看完整岗位与申请入口 →

工作职责: 1. 构建多模态视频理解模型的数据飞轮，对语音/图片/视频 等原始语料进行结构化分析理解，参与多模态大模型的数据准备、数据清洗、数据实验等工作，构建高质量的多模态数据集。 2. 针对文生视频，图生视频等不同任务，设计提示词工程，构建高质量多模态数据产出的Pipeline，提升模型对主体、动作、场景、运镜等信

本科 · 查看完整岗位与申请入口 →

岗位职责 1、参与智能文档处理相关的视觉算法技术研发，包括但不限于图像分类，图像分割，图像生成、无监督半监督学习等; 2、根据项目需求，对现有算法进行改进和优化，提高算法性能; 3、协助团队完成产品落地，确保算法在实际应用中的稳定性和可靠性; 4、参与团队内部技术分享，持续提升自身技术水平; 岗位要求 1、计算机科学

硕士 · 查看完整岗位与申请入口 →

工作职责: 1. 理解模型训练：参与多模态大模型（文本、图像、视频等）的算法研究与工程实现，重点攻关模型在复杂视觉场景下的视频理解能力。 2. SFT专项迭代：跟踪学术界与工业界前沿进展，方向包括但不限于鲁棒视觉表征与视觉特征编解码、多模态模型的RLVR 与 RLHF、Synthetic Data、视觉审美与视觉品质评

学历以官网为准 · 查看完整岗位与申请入口 →