顶级 vc 投资，全球知名 AI 科学院带队 AGI 创业公司。 团队均来自大厂和 ai 头部公司核心团队，精英文化，扁平做事。 创始人具备成功的 ai 产品研究和落地经验。 地点：北、上、深 邮箱： jxiao@hiringby.com wei：15210750729 薪资不限， 看重能力，double 只是起步 Agent 基模预训练算法专家 / 研究员 岗位职责 职位要求 我们希望你是什么样的人： 有大规模模型训练或调优的实践经验，熟悉分布式训练环境，至少熟练掌握 mcore 、torchtune 或 transformers Trainer 等主流训练框架中的某一个； 有模型结构设计相关研究背景或实践经验，熟悉高效注意力、Gated Attention 、mHC 、MoE 等相关工作； 有面向大模型通用能力、Deep Research 或者 Vibe Coding 能力的训练数据合成/构建/清洗的研究背景或实践经验，熟悉数据管线的设计思路，能够熟练使用基于 OpenAI / SGLang / vLLM 等接口部署的模型大批量构建/清洗数据； 参与/复现过 Scaling Law 的拟合过程，能根据实验结果对模型各项指标进行分析，优化模型训练设置及策略； 在 ICLR 、CVPR 、TPAMI 、ACL 等顶级会议/期刊发表过论文； 参与过有影响力的大模型项目，并在该项目中做出实际贡献； Agent 基模后训练算法专家 / 研究员 职责： . 开展 Agent 场景下的后训练算法研究：围绕多步推理、任务拆解、工具调用、代码执行、检索增强、复杂指令遵循等典型 Agent 场景，研究模型能力提升的后训练方法，提升任务完成率、稳定性与泛化能力； 2. 设计与优化面向 Agent 的训练数据：结合实际场景和模型短板，构建适用于后训练的数据体系，包括指令数据、过程监督数据、偏好数据、轨迹数据等，不断提升训练信号的质量、密度和覆盖度； 3. 探索模型能力提升方法：研究并实践 SFT 、拒绝采样、偏好学习、过程监督等方法，推动模型在复杂推理、工具使用、代码任务和长链路任务中的能力优化； 职位要求 我们希望你是什么样的人： 有大模型后训练、专项能力优化、数据合成、过程监督、偏好数据构造等方向的研究或项目经验。 有 Code Agent 、Search Agent 、Tool Use 、检索增强、复杂推理等相关研究或实践背景。 有较强的实验分析能力，能够从评测结果中定位问题，并提出可执行的优化方案。 熟悉分布式训练、并行训练或多机多卡实验环境，有大规模模型训练或微调经验。 在 NeurIPS 、ICML 、ICLR 、ACL 等顶级会议发表过论文。 参与过有影响力的开源项目，或在 GitHub 上有持续活跃贡献。 深度使用过 Cursor 、Claude Code 等 AI 工具，对模型在真实 Agent 场景中的能力边界有实践认知。 AI Infra 推理系统专家 岗位职责： 参与服务业务场景的 llm 大模型部署优化开发等相关工作； 负责推理加速方法的工程实现和落地，包括但不限于模型算子优化、模型剪枝、模型量化、动态 batch 等方法； 调研前沿技术，推动稀疏化推理、异构推理、分布式推理等技术在搜索业务中的集成应用。 任职要求： 熟练掌握 C++/Python/Go 语言，有大模型推理优化经验； 有 TRT-LLM/sglang/vllm 等推理框架的实际使用经验及二次开发经验； 具备基础的 GPU 编程能力，包括但不限于 Cuda 、OpenCL ；熟悉至少一种 GPU 加速库，如 cublas 、cudnn 等； 加分项: 熟悉分布式推理常用加速方法，有超大模型分布式部署经验优先； 熟悉量化、剪枝、动态 Shape 、算子融合等优化方法的基本原理和适用场景。 通用后训练算法专家 / 研究员 职位要求 我们希望你是什么样的人： 有大模型后训练、专项能力优化、数据合成、过程监督、偏好数据构造等方向的研究或项目经验； 有 reasoning 、math 、code 、instruction following 或复杂问答等相关研究或实践背景； 有较强的实验分析能力，能够从评测结果中定位问题，并提出可执行的优化方案； 熟悉分布式训练、并行训练或多机多卡实验环境，有大规模模型训练或微调经验； 在 NeurIPS 、ICML 、ICLR 、ACL 等顶级会议发表过论文； 参与过有影响力的开源项目，或在 GitHub 上有持续活跃贡献； 深度使用过 ChatGPT 、Claude 、Gemini 、Cursor 等 AI 工具，对模型在通用推理、数学和代码场景中的能力边界有实践认知。 Code & Search Agent 算法研究员 你将负责什么： 研究并提升 agent 在真实任务中的能力，包括： 代码理解、代码生成、代码编辑、自动调试、测试生成、仓库级任务求解 搜索、检索、网页/文档浏览、证据聚合、多跳问答、长链路任务完成 工具调用、环境交互、任务分解、反思/重试、记忆与上下文管理 设计并实现 agent 训练与后训练方法 我们希望你是什么样的人： 扎实的机器学习基础，理解 LLM 、post-training 、reasoning 、tool use 、evaluation 的核心问题 ； 很强的编程能力，能高质量使用 Python ；熟悉至少一种系统语言或高性能语言更佳，如 C++ / Rust / Go ； 能独立完成从“问题定义 → 实验设计 → 实现 → 分析 → 迭代”的完整研究闭环 ； 对复杂、开放、模糊的问题有判断力，知道什么值得做，什么只是忙碌 ； 对代码质量、可复现性、测试、benchmark hygiene 有高标准 ； 能在较大规模实验或分布式系统中工作，熟悉训练、推理或评测基础设施中的至少一类 ； 大模型评测算法专家 你将负责什么： 构建通用大模型端到端能力评测体系： 围绕 reasoning 、math 、code 、instruction following 、知识问答、长上下文、多轮对话与工具调用等典型任务，构建端到端评测体系。 开展模型行为与智能体轨迹监控研究： 面向具备工具调用、代码执行、网页浏览、多轮规划等能力的模型，分析其任务分解、计划生成、工具选择、上下文管理、错误恢复与目标偏移等过程信号，识别仅依赖最终答案难以发现的行为问题。 我们希望你是什么样的人： 有大模型相关方向的研究或项目经验； 了解 OpenAI 及 Anthropic 关于模型轨迹等相关工作； 有较强的实验分析能力，能够从评测结果中定位问题，并提出可执行的优化方案； 在 NeurIPS 、ICML 、ICLR 、ACL 等顶级会议发表过论文； 参与过有影响力的开源项目，或在 GitHub 上有持续活跃贡献； 深度使用过 ChatGPT 、Claude 、Gemini 、Cursor 等 AI 工具，对模型在通用推理、数学和代码场景中的能力边界有实践认知。 大模型训练系统专家 岗位职责： 负责大规模分布式训练系统的设计与研发，围绕 Data / Tensor / Pipeline / Expe

  • 情报分类：工作与职业机会
  • 分类依据：内容涉及招聘、求职或职业发展
  • 信息来源：服务器 / V2EX
  • 发布时间：2026/9/20 22:07:08