Dit Jobs In China - 15 Job Positions Available

系统工程师（视觉感知方向） 深圳 社招 全职 职位描述 岗位概述该岗位面向桌面级智能加工工具产品矩阵，包括激光雕刻、切割、焊接、打印等品类，是视觉感知方向的核心技术与系统负责人。我们希望候选人兼具 技术深度、系统工程能力和产品线视角：既能深入视觉标定、三维重建、视觉与多模态大模型等底层技术，解决关键算法与工程问题；也能站在 PDT / 产品线负责人的视角，将视觉感知能力作为服务多产品线的子产品来经营，推动其平台化复用、差异化适配和量产落地，最终以所见即所得 + 自动识别的智能加工体验，提升多品类桌面工具产品的加工精度、运动稳定性与用户体验。-核心职责1. 技术平台规划与 PDT 横向统筹 将视觉感知能力作为独立子产品经营，横向提炼激光雕刻、切割、焊接、打印等多品类产品在视觉标定、定位、三维重建、目标识别、耗材/材料识别、工艺辅助等方面的共性架构与差异化需求，规划可复用的视觉中台、算法基线和标定 / 验证体系。2. 系统工程设计与项目交付 作为系统工程师，负责复杂子系统或项目级研发攻坚，端到端拉通需求拆解、系统架构、模块边界、接口定义（相机 / 光学 / 运动 / 固件 / 上位机 / 云端），以及风险识别、仿真验证、量产测试和工程交付，协同光学、机械、电控、固件、软件、工艺测试、制造等团队完成落地。3. 视觉感知与 AI 算法攻坚- 视觉标定与定位：使用高精度视觉技术对机械与光学误差进行标定与补偿，提升加工精度与加工稳定性，侧重原理与算法的研发验证，将理论转化为解决实际关键问题的方案和产品。- 三维重建与感知：主导多视几何、立体重建、双目匹配、结构光、ToF、SLAM 等技术方案，攻克物体边缘重建失真、光照干扰、透明物体重建等关键难题。-

General information Entity About Crédit Agricole Corporate and Investment Bank (Crédit Agricole CIB) Crédit Agricole CIB is the corporate and investment bank of the Crédit Agricole group, the 10th largest banking group in the world *. We support major companies

General information Entity About Crédit Agricole Corporate and Investment Bank (Crédit Agricole CIB) Crédit Agricole CIB is the corporate and investment bank of the Crédit Agricole group, the 10th largest banking group in the world *. We support major companies

【校招实习】预训练算法工程师 北京、杭州 实习 互联网 / 电子 / 网游 - 研发 千寻智能2027届校招实习招聘项目 职位描述 1、参与人形机器人专属基础模型（VLA，WAM，Unified Model）的预训练与前沿研究，探索更适合具身任务的模型架构与训练范式；2、研究大规模具身数据上的预训练方法，探索数据规模与下游性能之间的 Scaling Law，持续提升模型的泛化与迁移能力；3、推动基础模型在机器人各类下游任务（如长程任务、精细操作）上的迁移与落地。 职位要求 1、计算机、人工智能、自动化、软件等相关专业，硕士及以上学历。2、深度学习基础理论扎实，对模型架构设计有较深理解，持续关注领域前沿进展（如 ViT、DiT、VLA、WAM 等）。3、熟悉大规模分布式训练，了解 FSDP、DeepSpeed 等训练框架，具备良好的工程与代码能力。4、具备较强的科研能力与创新思维，能够独立复现并改进前沿论文。【加分项】- 在 CVPR、ICCV、ICML、NeurIPS、ICLR、RSS、CoRL 等顶会以第一作者身份发表过论文；- 有大规模数据集（如大规模机器人 / 视频数据）上的预训练经验；- 有具身智能、机器人、多模态大模型、世界模型等相关研究或项目经验；- 有顶会 / 顶刊审稿、开源项目或竞赛经历。【校招实习需在北京，实习转正通过后可发北京/杭州应届校招 offer】 投递...

【校招实习】AI Infra工程师 北京 实习 互联网 / 电子 / 网游 - 研发 千寻智能2027届校招实习招聘项目 职位描述 1、负责具身智能大模型千卡大规模训练系统性能优化及MFU优化。2、负责多模态大模型（VLM）在云端的高性能分布式推理系统设计、开发与全链路端到端部署。3、负责具身智能VLA模型在端侧的推理系统的研发和模型加速算法研究。 职位要求 1、熟悉GPU体系结构，熟练掌握CUDA/triton，熟练掌握C++或Python语言。2、深入了解PyTorch等深度学习框架的架构和运行原理，深入理解大模型训练多维并行架构，如Tensor并行、流水线并行、序列并行等。3、深入理解多模态模型结构，如ViT、DiT等，了解开源多模态大模型结构，如qwen-vl、llama等。4、熟悉至少一种主流开源推理引擎（如 vLLM、SGLang、TensorRT-LLM、Nvidia Dynamo等）的底层机制与源码魔改。5、熟悉量化、剪枝、蒸馏、投机推理、步数蒸馏等前沿推理加速及模型小型化技术方案。 投递...

音乐生成算法工程师实习生 北京 校招 实习 算法类 职位描述 1. 参与音乐生成模型开发： 协助设计、训练和评估基于深度学习（如Transformer, Diffusion Model）的音乐生成模型。2. 数据处理与分析： 负责音乐数据集的收集、清洗与预处理，并对生成结果进行分析和优化。3. 原型与工具开发： 参与音乐生成相关功能模块或小型工具的原型实现和代码维护。4. 前沿技术探索： 学习并复现音乐AI领域最新论文和技术，并尝试在项目中应用。 职位要求 1. 在校生： 计算机、AI、电子工程、音乐科技等相关专业高年级本科生或研究生。每周至少实习3天，持续3个月以上。2. 编程能力： 熟练Python，扎实的算法与数据结构功底，熟悉至少一种深度学习框架（PyTorch优先）。3. 深度学习理论与实践：深入理解Transformer架构及其变体。熟悉Diffusion Model原理，有DiT等模型实践经验者优先。对LLM在多模态或序列生成中的应用有基本认识。能够独立复现SOTA模型。4. 数学基础： 扎实的线性代数、概率论与数理统计功底。5. 加分项：有音乐生成、音频处理、多模态AI相关项目经验或论文发表。熟悉音乐理论，有音乐创作或制作背景。GitHub上有高质量代码或项目。6. 基本素质： 对音乐AI有极高热情，具备强大的学习能力、独立解决问题能力和团队协作精神。 投递...

音频算法工程师-实习 北京 校招 实习 软件研发类 职位描述 1. 参与音乐生成模型开发： 协助设计、训练和评估基于深度学习（如Transformer, Diffusion Model）的音乐生成模型。2. 数据处理与分析： 负责音乐数据集的收集、清洗与预处理，并对生成结果进行分析和优化。3. 原型与工具开发： 参与音乐生成相关功能模块或小型工具的原型实现和代码维护。4. 前沿技术探索： 学习并复现音乐AI领域最新论文和技术，并尝试在项目中应用。 职位要求 1. 计算机、AI、电子工程、音乐科技等相关专业高年级本科生或研究生。每周至少实习3天，持续3个月以上。2. 编程能力： 熟练Python，扎实的算法与数据结构功底，熟悉至少一种深度学习框架（PyTorch优先）。3. 深度学习理论与实践：深入理解Transformer架构及其变体。熟悉Diffusion Model原理，有DiT等模型实践经验者优先。对LLM在多模态或序列生成中的应用有基本认识。能够独立复现SOTA模型。4. 数学基础： 扎实的线性代数、概率论与数理统计功底。5. 加分项：有音乐生成、音频处理、多模态AI相关项目经验或论文发表。熟悉音乐理论，有音乐创作或制作背景。GitHub上有高质量代码或项目。6. 基本素质： 对音乐AI有极高热情，具备强大的学习能力、独立解决问题能力和团队协作精神。 投递...

General information Entity Amundi, the leading European asset manager, ranking among the top 10 global players (1), offers its 100 million clients - retail, institutional and corporate - a complete range of savings and investment solutions

General information Entity About Crédit Agricole Corporate and Investment Bank (Crédit Agricole CIB) Crédit Agricole CIB is the corporate and investment bank of the Crédit Agricole group, the 10th largest banking group in the world *. We support major companies

优才-具身智能算法研究员（预训练方向）-觅蜂子公司 上海 正式 职位描述 【方向：预训练、Omni大模型与数据策略】利用大规模人类视频（Ego4D、Open X-Embodiment）及无本体交互数据，预训练多模态基座模型（视觉-语言-动作联合），作为VLA主干backbone。探索scaling law，设计模型架构（如Transformer、DiT）与预训练任务（MAE、动作预测、对比学习）。基于VLM/VLA大模型构建自动标注管线，对视频、轨迹、触觉信号进行结构化标注（动作阶段、接触事件、成功/失败标签），降低人工成本。设计主动学习策略，从海量数据中筛选高价值样本（失败轨迹、长尾场景）。牵头制定数据混合策略：真机遥操作数据 : 无本体人类视频 : 仿真合成数据的最优比例，设计消融实验验证，建立数据价值评估模型。 职位要求 计算机视觉、机器人学、机器学习、图形学等相关专业硕士及以上学历，博士优先。在以下至少一个方向有深入研究和项目经验：三维重建/SLAM/3D Gaussian Splatting/物体姿态估计/人体手部重建模仿学习（BC、ACT、Diffusion Policy）、强化学习（PPO、SAC）、机器人控制（MPC、力控）、VLA架构（RT-2、PaLM-E等）多模态预训练（CLIP、LLaVA）、大模型微调（LoRA、RLHF）、自动标注、数据合成与数据策略扎实的编程能力：精通Python，熟悉C++，熟练使用PyTorch/JAX等深度学习框架。熟悉至少一种仿真器（Isaac Sim、Mujoco、PyBullet）或真实机器人平台。具备优秀的学习能力、逻辑思维与跨团队协作精神，能够快速将前沿论文转化为可工作的原型。加分项有真实机器人（机械臂、人形、四足）部署经验，特别是高复杂度操作任务（装配、双手协作）。在CVPR/ICCV/ECCV/CoRL/ICRA/RSS/NeurIPS等顶会发表论文，或有高质量开源贡献。处理过Ego4D、HoloAssist或自采机器人混合数据，有Sim2Real迁移实战经验。熟悉ROS/ROS2，有实时系统或嵌入式开发经验。 投递...

优才-具身算法工程师（WAM）-通用业务部 上海 正式 职位描述 参与机器人数据采集、算法设计、模型训练与真机部署的全链路研发工作。 参与机器人数据采集规划，包括任务设计与质量分析，为下游模型训练提供高质量、多样化数据支持。 跟踪具身智能、机器人学习、VLA/WAM 等方向的前沿进展，调研并分析最新研究工作。 参与世界动作模型（World Action Model, WAM）的算法创新、模型结构设计与训练优化。 参与模型在真实机器人平台上的部署、调试与性能评估，推动算法从仿真/离线训练走向真实场景应用。 职位要求 2026或2027届优秀本科生或硕博研究生，机器人、计算机、人工智能、自动化等相关专业优先。 具备扎实的编程能力和工程实现能力，熟悉 PyTorch 等深度学习框架。 对深度学习基础模型结构、模仿学习方法有较好的理解。掌握以下基础内容：基本深度学习知识，如Transformer, DiT等模型架构。基本现代生成模型知识，如Diffusion Model, Flow-Based Model等。基本模仿学习知识，如ACT, Diffusion Policy等熟悉具身智能算法方向的前沿进展，了解VLA、WAM、机器人基座模型的最新相关工作。尤其是：主流的VLA模型，如Pi系列，gr00t系列等。主流的WAM模型， 如DreamZero，Lingbot-VA, FastWAM等。加分项对 VLA/WAM 算法设计有深入思考或独到见解者优先。 具备 VLA、WAM、模仿学习、机器人学习等相关项目经验，或有真机部署经验者优先。 在机器人或人工智能顶级期刊/会议，如 RA-L、ICRA、ICLR、NeurIPS、RSS 等发表过相关论文者优先。 投递...

世界模型算法工程师/专家 上海、深圳、北京 全职 通用智能板块 职位描述 参与团队在世界模型(world model)，视频生成模型,3D/4D生成模型等相关方向大模型的研发。同时结合自研产品需求,深度参与模型在公司相关场景的应用落地。【岗位职责】1、负责相关大模型算法的设计、开发和优化，提高模型的性能和精度;2、负责模型的训练、测试、验证和部署,保证模型的稳定性和可靠性;3、负责模型的监控和维护,及时发现和解决模型的问题;4、参与团队的技术交流和分享,提高团队的技术水平。 职位要求 1、较强的算法实现能力,熟悉深度学习平台如tensorflow,pytorch等;2、对前沿的模型相关研究掌握清楚,熟悉Diffusion,Transformer,DiT等生成模型框架;3、有大模型(视频,3D/4D,多模态)训练实战经验;4、具有应用大规模神经网络解决相关实际问题的实践经验,能够针对适当的数据和模型的表现,选择恰当的调参、训练任务选择、训练数据增强、目标函数变化等策略来确保超大型模型的训练成功率,并且能够解释策略背后的直觉来源并用严格的数据验证自己的假设。 投递...