杭州人工智能实习岗位

岗位职责 传统的推荐系统通常被称为“猜你喜欢”，主要依赖用户的历史行为来推荐（猜）用户可能喜欢的物品。从大量用户之声的数据看，很多用户对推荐结果并不满意，提出了明确的改进诉求，但传统推荐系统无法理解这些诉求。基于Agent的交互式推荐系统旨在为用户提供一个智能助理，让用户通过自然语言表达自己对推荐结果的定制化需求（如多

本科 · 查看完整岗位与申请入口 →

岗位职责 随着大模型从"被动响应"向"主动规划"的范式跃迁，Agentic AI 正在重构搜索营销的技术底座。用户查询意图呈现极端复杂化与长尾化，传统关键词匹配已触及能力边界。我们致力于构建业界首个面向搜索场景的生成式营销智能体，打破商业变现与用户体验的零和博弈，让 AI 化身具备自主决策能力的"金牌种草官"，开启"语

本科 · 查看完整岗位与申请入口 →

岗位职责 在商业化业务中，尤其是腰尾客户的广告投放过程中，平台的复杂度和需求的匹配落地是巨大的卡点，通常需要代理商和投手去服务；同时过程中成本和服务质量都是不确定性很高的变量，对于商家的经营有着巨大的影响。通过AI代理的研究，能够在了解客户需求的前提下（通过sop可以明确绝大部分需求），通过系统内部更精准的数据，以及可

本科 · 查看完整岗位与申请入口 →

岗位职责 本课题旨在探索一种基于“教学—纠正”闭环的交互式进化审核 Agent 系统，致力于打破传统审核模型对静态规则与大规模标注样本的依赖，实现“规则—策略”的自动生成优化反馈闭环。 不同于通用 Agent，该系统强调在复杂、多变的国际化内容审核场景中，通过引入 Policy Maker 的实时干预与 Rule S

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打造行业领先的社媒多语言大模型，结合站内外多语言社媒语料内容及高质量翻译互译数据，开展大规模预训练、SFT、RL等，实现： （1）应用于小红书多语言大模型翻译场景取得领先效果； （2）应用于国际化搜索召回/相关性，AI搜索混排/生成等跨语言场景，取得业务收益。 岗位要求 1、不限年级，本科

本科 · 查看完整岗位与申请入口 →

岗位职责 本课题围绕点点、搜索等依赖自然人机交互的业务场景，打造面向AI agent的端到端全双工自然语音交互能力，预期构建具有小红书特色的最低延迟、最具人感、最懂用户的语音Agent。 重点攻克如何打造真实自然稳定的拟人感语音交互难题。其细分研究方向大模型语音内容理解【最懂用户】、可控对话式大模型语音合成【最具人感

本科 · 查看完整岗位与申请入口 →

岗位职责 本课题旨在探索构建一套“理解-生成-决策”三位一体的多模态统一大模型基座及智能体应用。 在底层基座构建上，重点构建理解与生成统一的图文交错混合模型：输入端实现多体裁内容（笔记、直播、商品等）的统一融合理解，输出端兼顾高质量表征提取、文本与图像生成。通过底层世界知识共享，消除多领域知识间的壁垒，并利用理解任务

本科 · 查看完整岗位与申请入口 →

岗位职责 随着广告系统从“流量匹配”向“深度理解”演进，传统的模型范式在面对用户动态变化的兴趣与复杂决策场景时，逐渐显露出语义理解浅、策略同质化等局限。本课题“面向千人千面Agent的广告大模型能力构建”，旨在探索如何利用大语言模型结合广告个性化投放系统赋予智能体的核心能力，实现真正意义上的个性化智慧决策。 该课题会

本科 · 查看完整岗位与申请入口 →

岗位职责 当前推荐算法主要依赖用户行为做相关性建模，基于正负反馈信号动态调整用户兴趣表示。这种建模方式在用户意图理解、复杂偏好刻画及跨领域知识利用和泛化性方面仍存在明显局限：一方面，行为信号往往稀疏且滞后，导致兴趣调节效率有限；另一方面，推荐模型缺乏对高维世界知识的有效提取、整合与推理能力，难以深入理解用户真实需求及其

本科 · 查看完整岗位与申请入口 →

岗位职责 传统的AI搜索依然基于RAG框架，少有的几个Agent框架也只涉及QueryPlanning，距离真实解决搜索中的实际问题还相距很远，例如做旅游攻略、做行业研究报告等等。我们判断，虽然当下LLM已经大范围的用于搜索领域，但是下一代的搜索技术变革一定是基于Agent的。本课题旨在研究基于Agent框架的基座模型

本科 · 查看完整岗位与申请入口 →

岗位职责 我们致力于构建可持续进化的 Agent 系统：让 Agent 在真实环境中通过交互、学习与数据闭环，不断提升复杂任务能力。 围绕“数据 → 学习 → 自进化”三位一体展开： - Agent 自进化： 基于真实任务轨迹与反思机制，提升 Agent 在长期交互中的自主学习能力，解决反馈建模、策略泛化与错误累积问

本科 · 查看完整岗位与申请入口 →

岗位职责 本课题聚焦小红书通用基座模型在真实业务 OOD 场景下的泛化性问题，围绕三个方向展开： 1）研究如何在训练阶段提升模型的 In-context Learning 与 OOD 泛化能力，包括任务抽象、数据构造、Prompt 模板改写与训练策略设计； 2）研究如何评测这些能力，建立真实 OOD 评测和面向领域任务

本科 · 查看完整岗位与申请入口 →

岗位职责（具体工作内容） 参与大模型agent应用落地 任职资格（学历、目标院校、语言、技能、性格等要求） 1 学历与专业：计算机科学、数学、统计学、人工智能或相关专业的本科及以上学历（在读硕士/博士优先）。 2 编程能力：熟练掌握至少一种编程语言（如 Python、C++、Java），熟悉常见数据结构与算法。

硕士 · 查看完整岗位与申请入口 →

岗位描述 1. 参与游戏角色服装自动化生产相关专项研究，探索针对静态服装模型的自动骨架生成、骨骼绑定与蒙皮权重生成等算法； 2. 研究静态服装模型的物理代理网格（Simulation / Proxy Mesh）自动生成技术，包括网格简化、拓扑处理、几何特征提取以及原始模型与代理模型之间的数据映射； 3. 调研并复现计算

不限 · 查看完整岗位与申请入口 →

岗位描述 研究领域： 大数据 项目简介： 当前多模态合成数据质量评估高度碎片化：图文对往往仅依赖CLIP Score衡量表层相似度，视频-文本对则多聚焦检索Recall，忽视深层语义与因果关联。这种单维、分立的评估路径，无法统一刻画“事实一致性、时序一致性、跨模态对齐度、语义丰富度”等核心维度，致使标注噪声、逻

学历以官网为准 · 查看完整岗位与申请入口 →

岗位描述 研究领域： 大数据 项目简介： 当前多模态合成数据质量评估高度碎片化：图文对往往仅依赖CLIP Score衡量表层相似度，视频-文本对则多聚焦检索Recall，忽视深层语义与因果关联。这种单维、分立的评估路径，无法统一刻画“事实一致性、时序一致性、跨模态对齐度、语义丰富度”等核心维度，致使标注噪声、逻

学历以官网为准 · 查看完整岗位与申请入口 →

岗位描述 研究领域： 大数据 项目简介： 大语言模型的训练效果在很大程度上由训练数据的质量决定。随着模型规模与训练数据量的持续扩大，如何从海量原始数据中高效筛选出真正对模型能力提升有贡献的样本，已成为制约大模型研发效率的核心瓶颈之一。 当前业界主流的数据质量筛选范式，以 Bradley-Terry 类通用质量算

学历以官网为准 · 查看完整岗位与申请入口 →

岗位描述 研究领域： 大数据 项目简介： 大语言模型的训练效果在很大程度上由训练数据的质量决定。随着模型规模与训练数据量的持续扩大，如何从海量原始数据中高效筛选出真正对模型能力提升有贡献的样本，已成为制约大模型研发效率的核心瓶颈之一。 当前业界主流的数据质量筛选范式，以 Bradley-Terry 类通用质量算

学历以官网为准 · 查看完整岗位与申请入口 →

岗位职责 1、参与电商场景下文本、多模态相关模型能力建设，包括但不限于：基于开源/自研基座模型的多模态理解、品牌识别、商品类目识别、关键信息抽取、实体识别、文本分类、知识图谱构建等； 2、参与构建业内领先的内容安全、内容理解识别方法，探索前沿技术（如多模态理解、RAG、Agent、token压缩等），并应用落地到电商业

学历以官网为准 · 查看完整岗位与申请入口 →

岗位描述 职位描述 1. 跟踪业界前沿 Omni 模型动态，研发 Omni 全模态大模型Benchmark，并发表相关顶会论文，覆盖文本、图像、音频、视频的任意模态输入与输出。运用专业知识对评测题目、参考答案及评分标准进行数据质检与审题，保障评测数据的科学性、准确性和区分度 2. 学习前沿论文与资讯，构建和维护多模态评

学历以官网为准 · 查看完整岗位与申请入口 →

岗位描述 "大模型评测实习生（通用方向） 基础信息 ● 每周到岗4～5天，6个月以上优先 ● Base地：北京/杭州 职位描述 1. 跟踪业界SOTA模型动态，研发大模型Benchmark，并发表相关顶会论文，模态覆盖文本、图像、音频、视频等。运用专业知识对评测题目、参考答案及评分标准进行数据质检与审题，保障评测数据的

硕士 · 查看完整岗位与申请入口 →

岗位描述 我们希望把“理解用户”从一次性标签升级为可持续学习、可验证、可审计的智能体能力。你将基于海量数据，参与产品的用户记忆和个性化算法研发，让系统在跨会话、跨月度的长期交互中持续理解用户，并把记忆转化为有用、及时、可信的个性化服务。 具体职责包括以下相关方向的一项或多项： ● 长周期智能体记忆：研究并实现记忆抽取、

学历以官网为准 · 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： 1.解决的问题:协助在职员工完成相关算法优化和测试; 2.入职后的工作内容:利用我司测量系统采集数据，并协助算法完成点云、网格、仿真相关算法性能优化; 3.负责机器视觉类产品研发过程中的测试验证工作,包括但不限于算法/系统方案可行性测试、技术预研测 试、系统性能测试等。 任职要求： 1.实习期能

学历以官网为准 · 查看完整岗位与申请入口 →

岗位描述 我们正在探索通向大模型递归式自我改进（Recursive Self-Improvement，RSI）的算法与工程路径：让模型在可交互、可验证、可扩展的环境中主动发现能力边界，通过任务生成、轨迹采集、自动评测、训练优化与回归验证形成持续闭环，逐步实现“AI 训 AI”与智能体能力的可控自进化。你将参与从 Age

学历以官网为准 · 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 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 →