北京人工智能实习岗位

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 →

岗位职责（具体工作内容） 参与滴滴出行检索业务搜索引擎优化工作，聚焦出行场景，结合大模型的语义理解能力与地理信息领域知识，探索大模型在地理信息检索领域的应用。包括但不限于： 1，AI搜索，利用LLM + RAG技术提升目标召回能力。 2，搜索结果质量评价：利用大模型完成搜索结果质量打分； 3，相关性模型：对多种

硕士 · 查看完整岗位与申请入口 →

岗位描述 针对行为风控场景高度对抗、动态演化、目标稀疏、决策链路极长的问题，探索通过多轮交互、跨源证据关联、链路还原与路径推演、多层级结果验证的Agentic技术方案。 1、Agent 训练环境与任务合成 面向风控场景场景，研究可scale，可verify的Agent训练环境与沙箱：环境抽象与工具接口设计、任务自动合成

硕士 · 查看完整岗位与申请入口 →

岗位职责 1、协助团队完成端到端语音对话技术的业务落地工作，配合排查落地过程中的各类问题，参与语音交互技术、业务效果的迭代优化工作。 2、辅助参与全双工语音大模型的架构调研、算法研发工作，协助探索语音与语义统一建模的相关方案与实验验证。 3、负责音频训练数据的整理、清洗、标注及质检等基础工作，协助设计模型训练策略，支撑

学历以官网为准 · 查看完整岗位与申请入口 →

岗位职责 1.深入调研多模态理解大模型、多模态推理大模型以及强化学习等方向的前沿技术; 2.深入探索多模态融合对齐策略,多模态多任务联合训练; 3.参与多模态大模型学术研究,产出具有业界行业影响力的科研成果; 岗位要求 1.在读硕士/博士,计算机、人工智能、机器学习、电子信息、自动化、数学等相关专业,多模态大模型、计

学历以官网为准 · 查看完整岗位与申请入口 →

工作职责 -参与大模型推理引擎的研发 -参与高性能GPU算子的研发 -参与推理系统（kvcache、调度）的研发 -参与和推理性能有关的模型优化 职位要求 -计算机、人工智能相关方向硕士及以上在读 -扎实的torch/cuda等编程基础，熟悉常用的开源推理引擎 -了解当前主流大模型架构与芯片架构，掌握大模型推理优化的

硕士 · 查看完整岗位与申请入口 →

工作职责 -大模型AI科技前沿技术调研学习：跟踪最新的AI技术动态，研究新技术并将其应用于实际产品中，不断提升产品的竞争力。对科技前沿的AI技术、开源项目、技术论文等进行调研，并形成代码示例、PPT、知识库等，对内/外进行技术分享 -支撑百度智能云toB方向，参与内部业务智能体开发实施、工具/服务技术支持等 -技术课程

学历以官网为准 · 查看完整岗位与申请入口 →

岗位职责 1、参与小红书社区内容理解体系构建，负责直播和笔记多模态信息结构化算法建设和应用； 2、参与小红书电商多模态识别和知识图谱体系建设，负责面向业务的商品类目、属性、SPU体系建设； 3、参与商家商品侧基础识别模型建设，包括多模态分类、标签挖掘等识别算法，并配合业务应用落地到平台管理系统； 4、参与供应链上下游平

本科 · 查看完整岗位与申请入口 →

岗位职责 用 AI 模型解决大模型数据生产问题——搭 Agent、做微调、设计数据实验，让模型自己完成标注 1. 搭建与调优 AI Agent 工作流，让 Agent 自动完成数据生产策略的执行与验证 2. 参与模型训练链路：训练集构建、数据合成、微调与评估 3. 设计数据实验，用数据证明哪种方案值得上生产 4. 跟踪

学历以官网为准 · 查看完整岗位与申请入口 →

Join NVIDIA’s Cosmos Lab Infrastructure team to develop training and post-training systems for advanced Physical AI models, including world foundation models an

博士 · 查看完整岗位与申请入口 →

岗位职责 1. 参与真实场景的仿真重建，包括三维几何、视觉外观、材质纹理及基础物理属性的重建与优化。 2. 参与仿真资产制作与算法研发，协助完成物体几何、纹理、碰撞模型、质量、摩擦等属性的高保真还原。 3. 参与铰链、关节、抽屉、柜门等可活动物体的建模，配置关节结构、连接关系、运动范围和动力学参数，并验证其在仿真环境中

学历以官网为准 · 查看完整岗位与申请入口 →

岗位职责 岗位介绍： 参与视频生成、多模态理解与智能创作 Agent 的研发，围绕真实视频创作问题开展技术探索；你将结合自己的兴趣和能力，参与具体算法模块或原型系统的开发，积累从论文复现、实验分析到应用验证的完整实践经验。 工作职责： 1、跟踪视频 AIGC、多模态大模型和 Agent 相关技术，阅读论文、复现方法，

学历以官网为准 · 查看完整岗位与申请入口 →

1、探索下一代Harness实现与RSI范式，从第一性原理重新设计Agent Runtime: 包括但不限于上下文工程、长程任务、工具使用、记忆等，让系统自我修正、自我迭代。 2、持续调研全球SOTA，追踪、拆解、复现全球最领先的 Harness 与智能体实现(前沿实验室产品、开源框架、顶会最新工作)，形成团队可复用的

硕士 · 查看完整岗位与申请入口 →

工作内容 1.参与AI场景化应用（智能对话、内容生成、数据处理、自动化工具等）的需求梳理、方案设计与原型搭建。 2.基于主流大模型API及常用AI工具（如Workbuddy），完成接口调用、参数调试、Prompt工程设计与效果优化。 3.协助完成AI应用的前后端开发，包括交互逻辑实现、数据流转处理与业务功能落地。 4.

硕士 · 查看完整岗位与申请入口 →

工作职责 -参与信息流商业排序策略优化，包括但不限 -排序、混排模型的整体架构设计、技术调研与关键算法攻坚，聚焦端到端生成式方案的落地与改造 -围绕跨场景序列建模、多模表征、多目标价值融合、长期价值建模等方向，结合多目标建模、强化学习等手段持续提升模型对用商场景的价值理解 -围绕生成式模型打造新型排序架构，提升全系统效

本科 · 查看完整岗位与申请入口 →

工作职责 -负责大模型智能体（Agent）系统全链路设计与开发，搭建具备自主规划、复杂推理、动态决策能力的智能体架构，推动智能体在实际业务场景的规模化落地 -主导智能体核心算法研发与迭代优化，深耕意图理解、多步任务规划、工具调用、长短期记忆管理、多智能体协同等核心模块，持续提升任务完成准确率与系统鲁棒性 -搭建多维度智

硕士 · 查看完整岗位与申请入口 →