By clicking the “Apply” button, I understand that my employment application process with Takeda will commence and that the information I provide in my application will be processed in line with Takeda’s Privacy Notice and Terms
大模型训练加速工程师 / 高级专家 北京 全职 通用智能板块 职位描述 【岗位职责】训练加速与优化： 负责大模型训练场景下的性能分析 (Profiling) 与全链路优化，包括显存管理、计算加速及通信优化 (NCCL)，提升集群训练吞吐率。算子开发与协同设计 (Co-design)： 负责高性能算子 (Kernel) 的开发与调优；与算法团队紧密协作，针对特定模型结构（如 Transformer, MoE）进行定制化算子设计。分布式框架建设： 基于 Megatron-LM, DeepSpeed, FSDP 等框架进行二次开发与优化，设计适应大规模集群的并行训练方案。稳定性保障： 负责大规模训练过程中的问题定位与解决，包括但不限于 NCCL 超时、显存溢出 (OOM)、训练速度波动等，保障训练任务的高效稳定运行。 职位要求 理论基础： 计算机基础扎实，深刻理解深度学习训练原理（计算图、自动微分、混合精度），熟悉主流并行策略及 FlashAttention 等加速算法。编程能力： 熟练掌握 Python/C++，熟悉 GPU 编程模型，具备 CUDA
Work Your Magic with us! Ready to explore, break barriers, and discover more? We know you’ve got big plans – so do we! Our colleagues across the globe love innovating with science and technology to enrich
SummaryWe are looking for engineers with a passion for using machine learning to create intelligent applications. Be part of a highly accomplished, deeply technical and close-knit team of machine learning engineers, you will create tools that
Agentic Engineering 北京 社招 全职 技术 - 基础架构 职位 ID：A14700 职位描述 我们相信下一代软件研发是 Agent 原生的：工具不再是人手的延伸，而是与人协同工作的自治系统。你将参与以下两个互为支撑的核心方向。方向一：下一代效率工具- 构建 Agent 原生的统一工作系统，把研发工作中若干彼此割裂的核心场景收敛为同一条工作流- 重新设计人与 Agent 的分工边界：人的角色从操作工具转向给出目标与偏好、验收结果- 构建支撑一体化的基础设施，状态与上下文在不同场景间的流转- 让知识随工作自然沉淀：过程中产生的决策与经验自动转化为可检索、可复用的团队记忆方向二：Loop Engineering 的下一代范式- 探索超越当前 agentic loop（写码 → 验证 → 修复）的软件构建范式，重新思考软件如何被定义、如何被构建、何时算完成- 研究人类输入的最小化：人只提供目标与偏好层面的输入，系统承担从定义到交付的完整构建过程- 构建支撑这一范式的核心引擎，以及衡量其收敛速度与构建质量的评测体系- 把范式沉淀为可复用的工程方法，在真实项目中持续验证与迭代 职位要求 -
高性能算子库开发工程师 北京 社招 全职 职位 ID：A202179 职位描述 1. 设计、开发并优化面向NPU的高性能算子库，覆盖卷积、矩阵运算、归一化等核心算子；2.基于类CUDA编程语言或NPU专用指令集，实现算子极致性能优化，降低延迟与功耗；3.深入理解NPU硬件架构（如计算单元、内存层级、数据流），针对硬件特性进行算子级优化；4.与芯片团队紧密协作，反馈算子性能瓶颈并提出硬件改进建议；5.编写高性能计算代码、汇编级优化及Benchmark测试。 职位要求 1.计算机科学、电子工程、数学等相关专业，本科及以上学历；2. 熟悉cuda/C++/Python中至少一种编程语言；3. 具备类CUDA编程经验（CUDA/OpenCL/HIP等）或NPU SDK开发经验；4. 熟悉并行计算体系结构，有NPU/GPU开发和优化经验优先；5. 对性能优化有极致追求，能通过Profiling工具（如Nsight、VTune）定位瓶颈6. 良好的团队沟通能力, 责任心强。 投递...
提前批-大模型训练框架开发工程师 北京 校招 正式 数字技术 - 算法 硕士及以上 2027届校园招聘-技术提前批 职位 ID：A86427 职位描述 参与智能辅助驾驶大模型训练链路的工程优化，主力支持以下一个或多个方向：训练性能优化：分布式训练调优（显存/通信/IO），前后处理环节加速（解码/增强/加载），GPU/CPU异构计算优化训练框架维护：内部训练框架迭代与模块化重构（数据加载/模型/优化器/日志解耦），支持增量学习与持续训练数据链路优化：大规模数据读取链路设计（WebDataset/LMDB/TFRecord），预处理流程优化，解决分布式IO瓶颈CI/CD与质量体系：自动化构建、测试与回归验证流程建设，训练效率与稳定性度量系统问题攻关：内存/显存/日志/profiling专项优化，定位解决OOM、卡死、通信超时等系统级问题 职位要求 教育背景硕士及以上学历，2027届应届生，计算机/软件/AI/自动化/电子等相关专业必备能力Linux/Git：熟练Linux开发环境，熟悉Git及CI/CD基本流程C++：熟悉C++11/14/17标准，掌握内存模型、智能指针、STL、多线程编程Python：熟悉多进程/多线程/协程，理解GIL与内存管理机制PyTorch：熟悉PyTorch及分布式训练基本概念，有课程/项目实操经历加分项CUDA/GPU加速实践经历了解LMDB/Arrow/WebDataset等数据格式了解DDP/FSDP/DeepSpeed/Megatron等分布式策略接触过Perf/Nsight/Triton / ASan等性能工具有训练框架阅读或小改动经历有智能辅助驾驶/机器人/大模型训练相关项目或竞赛经历 投递...
端侧智能软件开发工程师 北京 社招 全职 技术 - 开发 职位 ID：A216933 职位描述 岗位职责概括：构建高性能、可靠的端侧（Edge）智能软件栈与 AI Agent 运行框架，使模型与智能体在资源受限设备（机器人、本车、边缘盒子、可穿戴、工业终端等）上实现低时延、稳定、可扩展的智能行为。主要工作内容（可选以下的一种或多种）：1. 端侧智能系统开发 - 负责 AI Agent 在端侧的整体软件架构设计与模块实现（感知、规划、决策、工具调用、记忆管理等）。 - 设计与实现多模态数据（视频/语音/传感器）采集、缓存、预处理管线。 2. 模型部署与性能优化 - 将 NLP / CV / 多模态 / 具身策略模型在端侧芯片（如 NVIDIA Jetson、瑞芯微、Qualcomm、MTK 等之一）上进行移植、裁剪、量化、算子优化与内存/带宽调优。
AI院-GLM后训练团队-推理优化/推理Infra工程师（RL） 北京 全职 互联网 / 电子 / 网游 - 研发 职位描述 1. 基于SGLang进行大模型推理引擎与服务侧开发，提升吞吐、降低时延与成本，保障线上稳定性。2. 支持RL训练相关的推理链路，包括rollout生成、打分/奖励模型推理等，优化训练闭环效率与资源利用。3. 建设推理侧的监控与性能分析能力，参与线上问题定位与故障处理。4. 与算法/训练团队协作，将模型与训练需求落地到可运行、可维护的推理系统，并输出必要的技术文档。 职位要求 1. 熟练使用Python/C++（至少一种），具备良好的工程能力与性能意识。2. 熟悉GPU推理与常见深度学习框架（如 PyTorch），了解分布式通信与并行基本概念（NCCL 等）。3. 了解并使用过SGLang（或能快速上手并承担核心模块开发与调优）。4. 理解RL训练中推理侧的作用，能够与训练流程协同推进落地。5. 具备线上系统排障能力，能通过日志/指标定位性能与稳定性问题。加分项6. 有大模型推理系统、RLHF/RL 推理链路或训练-推理协同经验。7. 有推理性能profiling、算子/运行时优化经验。8. 有MoE模型优化经验。 投递...
26届校招-AI院-GLM后训练团队-推理优化/推理Infra工程师（RL） 北京 正式 互联网 / 电子 / 网游 - 研发 职位描述 职位描述1. 基于SGLang进行大模型推理引擎与服务侧开发，提升吞吐、降低时延与成本，保障线上稳定性。2. 支持RL训练相关的推理链路，包括rollout生成、打分/奖励模型推理等，优化训练闭环效率与资源利用。3. 建设推理侧的监控与性能分析能力，参与线上问题定位与故障处理。4. 与算法/训练团队协作，将模型与训练需求落地到可运行、可维护的推理系统，并输出必要的技术文档。 职位要求 职位要求1. 熟练使用Python/C++（至少一种），具备良好的工程能力与性能意识。2. 熟悉 GPU 推理与常见深度学习框架（如PyTorch），了解分布式通信与并行基本概念（NCCL 等）。3. 了解并使用过SGLang（或能快速上手并承担核心模块开发与调优）。4. 理解RL训练中推理侧的作用，能够与训练流程协同推进落地。5. 具备线上系统排障能力，能通过日志/指标定位性能与稳定性问题。加分项1. 有大模型推理系统、RLHF/RL 推理链路或训练-推理协同经验。2. 有推理性能profiling、算子/运行时优化经验。3. 有MoE模型优化经验。 投递...
Miclaw-AI agent开发实习生 AI人才专项 热招 北京 校招 实习 软件研发类 职位描述 你将参与什么我们正在打造下一代 AI 智能编码平台——让 AI 像资深工程师一样理解需求、编写代码、运行测试，实现软件开发的端到端自动化。你将深度参与这个平台的核心技术研发，具体方向包括：方向一：AI 编码 Agent 开发1. 开发能够自主完成编码任务的 AI Agent，让它能理解需求文档、生成技术方案、编写代码并自动验证2. 构建多个 AI Agent 之间的协作机制，让它们像团队一样分工合作，完成复杂的软件开发任务方向二：大规模代码智能检索1. 构建代码语义检索系统，让 AI 能在海量代码库中快速找到相关代码片段和上下文2. 将检索能力与大模型结合，提升 AI 对复杂项目结构和跨文件依赖的理解能力方向三：AI Agent 数据与评测优化1. 搭建 Agent 全链路数据采集与分析体系，覆盖行为轨迹、工具调用、代码产出及用户反馈2. 建立自动化评测流水线，围绕代码正确性、任务完成率等核心指标量化
端到端算法工程师实习生 北京 校招 实习 软件研发类 职位描述 1. Develop quantization, sparsity, pruning, and distillation techniques to enhance the production-level autonomous driving models.2. Optimize, convert, and deploy autonomous driving models (e.g., ONNX models) that operate efficiently on diverse
NVIDIA has been redefining computer graphics, PC gaming, and accelerated computing for more than 30 years. It’s a unique legacy of innovation that’s fueled by great technology—and amazing people. Today, we’re tapping into the unlimited potential
NVIDIA has been defining computer graphics, PC gaming, and accelerated computing for more than 25 years. With an outstanding legacy of innovation, driven by phenomenal technology, and extraordinary people, NVIDIA is looking for a strong technical
NVIDIA has been defining computer graphics, PC gaming, and accelerated computing for more than 25 years. With an outstanding legacy of innovation, driven by phenomenal technology, and extraordinary people, NVIDIA is looking for a strong technical
We are building the next generation of GPU‑accelerated recommendation tools, redefining how models are trained and deployed at scale. Our mission is to make developing and productizing GPU‑based recommender systems as seamless, efficient, and powerful as
我们正在寻找一位 全栈工程师，参与核心 AI Agent 产品从架构设计、能力建设到生产落地的完整过程。你将参与 Web 产品、API 服务、Agent 编排系统、后台任务系统、数据层和部署流程等多个环节，和团队一起构建面向真实生产环境的 AI Agent 产品。 你将深度参与 AI Agent 系统的工程化建设，包括 Agent Loop、工具调用、任务编排、多步骤执行、上下文管理、模型路由、异步任务处理、结果持久化、错误恢复、日志追踪与系统可观测性等关键模块。这个岗位不是简单调用大模型 API，而是需要将 LLM 能力、业务流程、前后端系统和用户体验结合起来，构建可稳定运行、可持续扩展的生产级 Agent 产品。 在这个角色中，你需要理解 Agent 如何接收用户目标、拆解任务、选择工具、执行动作、处理中间状态、根据反馈继续推理，并最终产出可靠结果。你也需要关注 Agent 执行过程中的实际工程问题，例如任务超时、工具失败、重试策略、状态一致性、成本控制、并发执行、队列调度、数据追踪以及生成结果的可复现性。 你会和产品、设计、前端、后端和基础设施团队紧密协作，把 AI 能力落到真实的产品体验中。我们希望你既能理解前端产品形态和用户交互，也能深入后端服务、数据模型、任务队列和 Agent 编排系统，帮助团队搭建长期可维护、可扩展、可观测的 AI Agent 工程体系。