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。
Job Description SummaryResponsible for designing and programming a small module or a large component and designing a feature, set of features, or whole feature area. She/he will work independently and contribute to the immediate team and
大模型预训练算法实习生 北京 校招 实习 算法类 职位描述 1. 前沿探索与价值提炼深入调研多模态大模型预训练、世界模型、端到端自动驾驶等前沿方向，包括但不限于：BEV感知+Occupancy Network：从鸟瞰视角统一表达三维环境，结合时序Transformer实现动态障碍物与可通行区域建模。视觉-语言模型（VLM）与驾驶推理：利用CLIP、LLaVA等多模态对齐技术，将自然语言指令、交通规则与视觉特征深度融合，提升复杂场景理解能力。扩散模型与轨迹生成：研究基于扩散策略（Diffusion Policy）的连续轨迹预测与控制，解决多模态不确定性与长尾分布问题。世界模型与因果推理：探索基于隐空间动力学预测的世界模型，实现闭环仿真与决策鲁棒性评估。定期输出高质量调研报告，量化分析各技术路线对量产体验的潜在增益（如接管率降低、舒适度提升、长尾场景覆盖率提高）。2. 量产预训练方案研发参与设计并优化面向量产车端的预训练框架，重点攻克：高效多模态融合：在计算资源受限下，设计轻量化跨模态注意力机制（如Cross-Attention Pruning、Token Merging）。时序一致性预训练：利用对比学习、掩码重建等自监督范式，学习连续帧间的运动规律与语义对应关系。数据驱动的小样本适应：结合在线难例挖掘、自动标注与数据增强（如LiDAR-to-Camera投影扰动、对抗光照模拟），提升模型对极端天气、异形车辆等罕见场景的泛化能力。最终交付可直接部署至实车的预训练权重及配套蒸馏方案，显著提升感知、预测、规划全链路指标。3. 创新攻坚与学术引领聚焦行业级难题，推动技术边界突破：端到端联合优化：打破传统模块化流水线，探索可微规划器与感知特征的梯度直通，实现从像素到控制信号的全局最优。大规模并行预训练：利用ZeRO、FSDP、Megatron-LM等分布式策略，在万卡集群上完成千亿参数多模态模型的稳定训练。闭环评估与安全对齐：构建基于真实路采与仿真引擎的混合评测体系，引入对抗攻击测试、不确定性量化，确保模型行为符合驾驶伦理与法规。鼓励以第一作者身份投稿顶会（CVPR/ICCV/ECCV/NeurIPS/CoRL），并提供完整的实验平台、标注数据和算力支持。 职位要求 硕士及以上学历，计算机视觉、深度学习、自动驾驶、AI大模型等相关专业；在自动驾驶、多模态学习、强化学习/模仿学习等领域有高水平论文发表经历（如顶会一作）；具备扎实的编程能力（Python/C++）及主流框架（PyTorch/JAX）开发经验；有知名自动驾驶公司或顶级AI实验室实习经历者优先；在Kaggle、nuScenes、Waymo Challenge等竞赛中获奖者优先。 投递...
全双工语音算法专家 北京 社招 全职 技术 - 算法 职位 ID：A76961 职位描述 1. 主导语音大模型的前沿算法研究及产业落地；2. 研发具有语音理解、生成、对话能力的端到端模型，开发流式全模态（语音/文本/视觉）大模型；3. 持续跟踪前沿技术动态，能够对领域最新技术进行及时吸纳和改进，通过技术创新和工程实践，支撑模型能力提升；4. 通过论文和技术报告等形式提升团队的技术影响力。 职位要求 硕士及以上学历，计算机相关专业；1. 三年以上语音算法开发经验，深入参与过语音交互类全链路模型及产品建设，熟悉 ASR/TTS/LLM/端到端语音大模型 等语音 AI 相关技术原理，并对相关技术有深入理解和思考；2. 掌握 AI 产品开发的开源工具和框架（如TensorFlow、PyTorch）。具备出色的编程能力和工程能力，熟练掌握Python或其他相关编程语言，具有良好的代码编写习惯和程序开发经验；3. 具备良好的团队合作精神、沟通能力以及分析和解决问题的能力。 投递...
大模型评测算法 北京 社招 全职 技术 - 算法 职位 ID：A00198 职位描述 本职位将及时跟踪AIGC技术前沿，承担高性能基础模型与创新应用的效果评估工作，驱动模型迭代与优化，直接影响前沿技术落地效果与用户体验：1、研究并跟踪国内外最新的大模型技术进展，搭建和维护科学、高效、可扩展的模型评测体系；2、深入参与团队内部模型训练的性能分析与评估，尤其聚焦在基础模型、多模态（图像、语音、Agent）和前沿技术（如强化学习对齐、Prompt工程）等方向的能力定量分析；3、分析评测结果，挖掘模型潜在瓶颈并提出改进建议，持续提升模型的质量与用户体验；4、参与制定模型评测的中长期规划，推动评测工具与流程自动化和标准化，构建业界领先的评测体系。 职位要求 1、计算机、人工智能相关专业本科及以上学历；2、具备2年以上机器学习、数据挖掘或算法评测相关工作经验，熟悉当前前沿模型的评测方法和指标体系，能力优秀的同学可适当降低年限要求；3、具备深厚的机器学习、自然语言处理、多媒体理解、语音合成、数据挖掘理论功底，能够深入理解并独立设计评测方案；4、熟练掌握Python/Java/C++中至少一种编程语言，熟悉常见深度学习框架（如PyTorch、TensorFlow）以及常见的评测框架（如OpenCompass/VLMEvalKit/EvalScope等等）；5、具备优秀的分析问题与解决问题的能力，对前沿技术具备敏锐的洞察力。加分项：1、有大模型训练、模型应用落地和性能优化相关经历；2、有大规模模型评测框架搭建或优化经验，或者熟悉业界主流评测工具与方法者；3、在NeurIPS、ICML、ACL、SIGKDD、CVPR等国际顶级会议上发表论文，或有相关竞赛获奖经历者。 投递...
大模型 G-算法工程师-北京 北京 全职 研发 - 后端开发 职位描述 1、负责自然语言处理 (NLP) 大模型的算法研究和开发；2、根据业务场景需求设计微调方案、适配算法和调优工程方案；3、负责大模型的微调算法的开发和优化；4、应用场景包括文本摘要、文本生成、机器阅读理解、问答、多轮对话等； 职位要求 1. 计算机科学、人工智能、自然语言处理或相关领域的硕士或博士学位；2. 在NLP领域拥有扎实的理论基础，熟悉经典和现代的NLP方法和技术；3. 具有丰富的深度学习经验，熟悉常见的深度学习框架（如TensorFlow、PyTorch等）；4. 在预训练语言模型（如LLAMMA，GPT等）的设计、训练和优化方面有实际项目经验者优先；5. 出色的问题解决能力和创新能力，能够解决复杂的技术挑战；6. 良好的团队合作和沟通能力，能够与跨职能团队合作，推动项目进展；7. 良好的英文读写能力，能够阅读和理解相关的研究论文和文档；8. 发表过相关领域的学术论文或专利者优先； 投递...
大模型算法工程师- 行业应用 北京 全职 研发 - 算法 职位描述 我们团队专注于将GLM系列大型模型推向商业市场，服务于中央企业、国有企业、金融机构、能源行业等高端企业客户。我们致力于帮助这些客户迅速搭建起新一代人工智能的平台架构，培育技术力量，并实现场景化的应用部署。依托于我们构建的企业级原生大模型应用开发平台，我们为用户提供了一系列专业化的产品与服务，覆盖音视频智能分析、多源异构知识整合管理、项目全生命周期研发支持、零代码的大模型应用快速开发，以及客户关键业务流程的智能化应用等多个领域。我们的目标是通过提升企业的运营效率，推动客户智能化转型，从而为企业带来更加深远的价值增长。岗位职责：1、负责大模型的研究和应用，包括但不限于LLM、SFT、Agent/MultiAgent、 Tool Learning、RAG、RLHF等技术探索，研究前沿模型训练和优化方法，开发国际顶尖级大模型；2、根据业务场景需求设计微调方案、适配算法和调优工程方案；3、参与智谱AI的行业大模型语料知识库建设和训练语料优化，知识图谱、知识FAQ、知识增强大模型等基础算法方向；4、研究和跟踪前沿技术发展，探索AI在助力数字民生服务普惠和智能化方面的新方法和新范式，推动相关领域技术创新。 职位要求 1、计算机科学、人工智能、自然语言处理或相关专业领域；2、具有大模型应用经验，丰富的深度学习经验，熟悉常见的深度学习框架（如TensorFlow、PyTorch等）；4、在预训练语言模型（如LLAMMA，GPT等）的设计、训练和优化方面有实际项目经验者优先；5、出色的问题解决能力和创新能力，能够解决复杂的技术挑战；6、良好的团队合作和沟通能力，能够与跨职能团队合作，推动项目进展；7、良好的英文读写能力，能够阅读和理解相关的研究论文和文档；8、发表过相关领域的学术论文或专利者优先。 投递...
AI 院-多模态团队-多模态理解算法研究员 北京 全职 互联网 / 电子 / 网游 职位描述 【团队介绍】智谱多模态大模型团队是全球领先的多模态研究团队之一，专注于推动视觉语言大模型的认知与推理能力的突破。团队拥有从多模态理解到生成的全栈自研技术体系，依托强大的计算资源和全链路研发能力，持续引领行业创新。团队负责多模态基座模型研发（视觉语言模型+多模态生成模型），先后推出GLM-V系列多模态基座模型，以及GLM-Image、CogView、CogVideo等前沿生成模型。2025年连续发布GLM-4.1V-Thinking、GLM4.5V和GLM-4.6V系列模型，其中GLM-4.1V-Thinking创新性地引入思维链推理机制，采用课程采样强化学习策略，系统性提升模型跨模态因果推理能力与稳定性，在28项业界权威评测中有23项达成10B级模型的最佳成绩(SOTA)；而GLM-4.5V采用MoE架构(总参数106B、激活参数12B)，在100B级视觉推理模型中树立起新的标准，在41个业界主流benchmark上达到同级别SOTA，且OCR、视频理解、AI解题、长文档解读、前端复刻、空间定位与推理等核心能力获得显著提升；GLM-4.6V则在多模态感知和深度推理方面进一步增强，且支持128k long-context、多模态工具调用和图文交错输出，为执行复杂、长程、多模态Agentic任务奠定坚实基础；9B版本的GLM-4.6V-Flash整体表现超过 Qwen3-VL-8B，106B参数12B激活的GLM-4.6V表现比肩2倍参数量的Qwen3-VL-235B。顺应技术发展趋势和业界需求，2026年初团队研发和开源GLM-Image和GLM-OCR。前者是智谱新旗舰图像生成模型，全程基于国产芯片完成训练，采用独创的「自回归+扩散解码器」混合架构，兼顾全局指令理解与局部细节刻画，克服了海报、PPT、科普图等知识密集型场景生成难题，是面向以Nano Banana Pro为代表的新一代「认知型生成」技术范式的一次重要探索。GLM-OCR则是轻量级OCR和文档解析专用模型，以“小尺寸、高精度”树立新标杆，其性能登顶 OmniDocBench，擅长公式、手写体、表格等高难场景，仅 0.9B 参数，推理高效易部署，在HuggingFace上获得超过360万下载量。【岗位职责】1、 设计和训练先进的多模态大模型，包括图像、视频的理解与生成；2、 搭建与优化多模态大模型的自动化数据通路，提升模型的多模态基础能力及下游任务上的效果；3、优化模型训练，包括包括模型的预训练、微调、偏好对齐等；4、探索前沿算法，多模态理解的数据合成、模型自我迭代等；5、加速多模态大模型的推理过程并部署到实际应用中。 职位要求 1、985高校计算机、电子、自动化等相关专业硕士或博士学位(优秀本科生亦可考虑)；2、深入理解常用多模态算法；具备多模态大模型和视频理解相关项目经验者优先；3、在CCF-A类会议发表过多模态相关论文者优先考虑；4、熟练运用Pytorch、transformers、megatron等主流框架；5、工作态度认真负责,具备良好的团队协作能力。 加入我们，您将有机会:1、参与突破性的多模态AI研究；2、与顶尖专家共事,快速提升技能；3、在充满活力的环境中实现自我价值；我们期待您的加入,一同推动AI技术的前沿发展! 投递...
AI 院-多模态理解-训练框架算法工程师 北京 全职 互联网 / 电子 / 网游 职位描述 【团队介绍】智谱多模态大模型团队是全球领先的多模态研究团队之一，专注于推动视觉语言大模型的认知与推理能力的突破。团队拥有从多模态理解到生成的全栈自研技术体系，依托强大的计算资源和全链路研发能力，持续引领行业创新。团队负责多模态基座模型研发（视觉语言模型+多模态生成模型），先后推出GLM-V系列多模态基座模型，以及GLM-Image、CogView、CogVideo等前沿生成模型。2025年连续发布GLM-4.1V-Thinking、GLM4.5V和GLM-4.6V系列模型，其中GLM-4.1V-Thinking创新性地引入思维链推理机制，采用课程采样强化学习策略，系统性提升模型跨模态因果推理能力与稳定性，在28项业界权威评测中有23项达成10B级模型的最佳成绩(SOTA)；而GLM-4.5V采用MoE架构(总参数106B、激活参数12B)，在100B级视觉推理模型中树立起新的标准，在41个业界主流benchmark上达到同级别SOTA，且OCR、视频理解、AI解题、长文档解读、前端复刻、空间定位与推理等核心能力获得显著提升；GLM-4.6V则在多模态感知和深度推理方面进一步增强，且支持128k long-context、多模态工具调用和图文交错输出，为执行复杂、长程、多模态Agentic任务奠定坚实基础；9B版本的GLM-4.6V-Flash整体表现超过 Qwen3-VL-8B，106B参数12B激活的GLM-4.6V表现比肩2倍参数量的Qwen3-VL-235B。顺应技术发展趋势和业界需求，2026年初团队研发和开源GLM-Image和GLM-OCR。前者是智谱新旗舰图像生成模型，全程基于国产芯片完成训练，采用独创的「自回归+扩散解码器」混合架构，兼顾全局指令理解与局部细节刻画，克服了海报、PPT、科普图等知识密集型场景生成难题，是面向以Nano Banana Pro为代表的新一代「认知型生成」技术范式的一次重要探索。GLM-OCR则是轻量级OCR和文档解析专用模型，以“小尺寸、高精度”树立新标杆，其性能登顶 OmniDocBench，擅长公式、手写体、表格等高难场景，仅 0.9B 参数，推理高效易部署，在HuggingFace上获得超过360万下载量。【岗位职责】参与GLM系列多模态大模型，CogVLM、CogView、CogVideo系列多模态理解生成模型训练框架 职位要求 1、统招硕士及以上学历，计算机或相关专业；2、熟练掌握Pytorch，具有模型训练经验；3、熟悉Transformer结构，对常见模型的训练方法有所了解，例如BERT、GPT、ViT、CLIP；4、有模型迁移、精度对齐经验，能够在新框架中适配新的模型；5、对常见的大模型训练优化有所了解，能够迅速熟悉掌握，根据需求进行修改；6、对Megatron框架有一定的了解，能够借鉴其他框架，完善优化已有的框架。 投递...
AI院-GLM团队-预训练算法工程师 北京 全职 研发 - 算法 职位描述 职位描述1. 参与数学或代码大模型预训练的研发工作，包括模型的预训练、对齐和评测等2. 负责构建和优化数学或代码的预训练和对齐数据，提升模型在数学或代码任务上的效果3. 探索针对数学或代码任务的数据合成方法，提升模型在数学或代码任务上的泛化能力 职位要求 职位要求1. 自然语言处理、机器学习等相关专业，硕士及以上学历；2. 较强的算法开发能力，熟悉常用的机器学习、深度学习算法；3. 熟练使用Pytorch、Huggingface、DeepSpeed等框架；4. 对Transformer的架构有较为深入的理解，了解Transformer的各种变体，有相关的研究经验者优先；加分项：1. 在ACL，NeurIPS，ICLR，EMNLP等顶级会议或期刊上发表过论文者优先；2. 熟悉并行训练框架，有多机多卡训练经验者优先；3. 熟悉CUDA编程/Triton编程，有相关算子加速经验者优先； 投递...
智谱*清华联合培养博士后-AIforscience方向 北京 全职 互联网 / 电子 / 网游 职位描述 岗位职责：1. 从事大语言模型（LLM）与智能体（AI Agent）的前沿研究，重点探索自主学习、复杂推理、自我进化等方向的新理论、新方法。2. 参与构建下一代大规模预训练模型，优化其在多任务、多模态场景下的推理效率与泛化能力。3. 推动LLM与垂直领域（如生物医药、知识图谱、学术数据挖掘）的深度融合，解决实际应用中的关键技术难题。4. 在NeurIPS、ICML、ICLR、ACL等顶级会议/期刊上发表高质量论文，提升团队学术影响力。 职位要求 任职要求：1. 计算机科学、人工智能、计算生物学等相关专业博士毕业（或即将毕业），年龄一般不超过35周岁。2. 在大语言模型、AI Agent、知识图谱、图神经网络等方向有深入研究，并以第一作者身份在CCF-A类会议/期刊（如NeurIPS、ICML、ICLR、KDD、AAAI等）发表过论文。3. 熟悉Transformer、预训练、微调、提示学习等技术，具备大规模模型训练或推理优化经验者优先。4. 熟练掌握Python及主流深度学习框架（PyTorch/TensorFlow），具备良好的代码实现与调试能力。5. 具备独立科研能力、团队协作精神和良好的英文写作与沟通能力。 投递...
机器学习平台研发工程师 北京 全职 互联网 / 电子 / 网游 - 研发 职位描述 -负责机器学习平台与算力基础设施的研发与演进，为模型训练、推理、评测及数据处理等流程提供稳定、高效、可扩展的平台能力，主要包括：- 参与并主导大规模算力平台的设计与研发，覆盖资源调度、任务编排、容器与运行时管理等关键方向，持续提升集群整体资源利用率，保障训练与推理场景的稳定运行；- 基于 Kubernetes、Docker 等云原生技术，参与调度器扩展及 CRD/Controller 等核心能力建设，支撑大规模分布式训练与推理场景。- 持续推进平台的易用性与性能优化，完善工具链与开发体验，降低算法与模型团队的使用门槛，提升整体研发效率。 职位要求 - 本科及以上学历，3 年及以上研发经验，有大规模容器集群或平台型系统建设经验，有千卡及以上规模集群管理或调度经验者优先；- 熟练掌握 Golang，具备扎实的数据结构与算法基础，能够独立定位和解决复杂系统问题；- 熟悉 Kubernetes 核心机制与组件（如调度、网络、存储、Controller/CRD 等），了解容器运行时及云原生相关技术体系；- 熟悉常见分布式数据处理或计算框架（如 Ray / Spark / Flink 等），理解其架构设计与运行模型；-
多模态大模型算法实习生 北京 实习 数字技术 职位 ID：A98571 职位描述 1.参与车舱内外视觉算法和大模型算法的研究和落地；2.参与多模态大模型的数据处理、模型训练、开发部署等工作；3.协助算法工程师进行视觉和多模态大模型前沿技术的预研工作。 职位要求 1.硕士及以上的在读同学，计算机/人工智能/电子信息/自动化等专业；2.了解机器学习和深度学习相关理论知识，有pytorch深度学习框架使用经验；3.有CV/3D/VLM/VLA方向的研究或落地经验；4.有良好的工程能力以及前沿论文阅读能力；5.乐于学习，自驱力强，渴望快速成长；6.能够连续实习3个月及以上。加分项：1.有智能座舱、AI、大模型等相关行业的实习经历；2.有过相关领域的会议或期刊论文发表（CVPR、ICCV、ECCV等）；3.在相关领域的学术竞赛（ImageNet、COCO、Kaggle、Waymo等）中取得较好成绩。 投递...
智能辅助驾驶算法实习生（多模态大模型方向） 北京 实习 数字技术 - 算法 职位 ID：A19204A 职位描述 岗位简介我们正在招聘一位智能辅助驾驶算法方向的实习生，参与公司多模态大模型（Multimodal LLM）相关研发工作。你将与团队共同构建智能辅助驾驶领域的 CoT（Chain-of-Thought）数据集工具链、推进多模态感知与规划场景的大模型微调，并参与创新性算法研究与工程落地。该岗位适合对智能辅助驾驶与大模型结合方向感兴趣、愿意参与前沿算法落地的硕士在读同学。 岗位职责多模态大模型相关开发：参与构建智能辅助驾驶感知/预测/规划数据的 CoT 标注与生成工具链，推动数据闭环与高质量训练数据生产。模型微调与优化：基于公司自研或开源 LLM（如 LLaMA/InternVL/Qwen 等），进行模型微调、对齐（SFT、DPO 等）与推理性能优化。智能辅助驾驶算法探索：参与智能辅助驾驶多模态模型（视觉、激光雷达、bev、轨迹等）在大模型框架下的研究验证。算法工程落地：协助完成模型训练、评估、部署等工程化工作，包括数据处理 pipeline、特征构建与实验分析。前沿技术调研：跟踪智能辅助驾驶与 LLM 结合方向的最新研究成果，并推动实验验证。 职位要求 硕士研究生在读，计算机、人工智能、自动化、电子工程或相关专业。熟悉深度学习基础，具有 Transformer / LLM / 多模态模型 的课程或项目经验。有 大模型训练或微调经验（如 LoRA, PEFT, SFT, RLHF /
大模型端到端算法实习生（前沿探索） 北京 实习 数字技术 - 算法 职位 ID：A03645 职位描述 1. 负责智能辅助驾驶大模型端到端模型算法的研发量产工作。2. 紧跟前沿技术发展，并将前沿技术在量产中落地。 职位要求 1. 硕士及以上学历，计算机 / 软件工程 / 人工智能等相关专业。2. 扎实的深度学习算法基础，精通常见的深度学习和机器学习算法。3. 熟悉一个或多个深度学习框架，有tensorflow/pytorch的深度使用经验者优先。4. 面对未知的领域和问题，有非常强的自学能力，善于通过基本的研究方法对问题本身进行拆解，并找到每个步骤的解决办法。5. 有着良好的团队合作精神，能够同公司内部的不同团队保持合作关系。 投递...
端到端算法工程师 北京 实习 数字技术 - 算法 职位 ID：A72815 职位描述 - 参与深度学习、强化学习等相关算法的研究与实现；- 在实际场景中开展强化学习（如 PPO、SAC、GRPO/DPO 等）的实验与改进；- 支持智能辅助驾驶或RL闭环仿真等前沿应用方向的研发工作；- 撰写技术文档，参与团队技术分享与学术交流。- 支持团队完成数据处理、模型训练与实验分析。 职位要求 在读硕士或博士，计算机、人工智能、自动化、电子工程或相关专业，距离毕业 1 年及以上；- 熟悉深度学习主流模型与架构（Transformer、Diffusion）；- 对强化学习方法有一定理解，熟悉以下任一方向： - 主流 RL 算法（DQN、DDPG、SAC、PPO、GRPO 等）； - 强化学习在轨迹预测、决策规划或模拟环境中的应用； - 世界模型（World Model）、3DGS 或基于 RL 的闭环仿真；-
AI院-多模态音频-算法实习生 北京 实习 互联网 / 电子 / 网游 职位描述 【团队介绍】智谱多模态大模型团队是全球领先的多模态研究团队之一，专注于推动视觉语言大模型的认知与推理能力的突破。团队拥有从多模态理解到生成的全栈自研技术体系，依托强大的计算资源和全链路研发能力，持续引领行业创新。团队负责多模态基座模型研发（视觉语言模型+多模态生成模型），先后推出GLM-V系列多模态基座模型，以及GLM-Image、CogView、CogVideo等前沿生成模型。2025年连续发布GLM-4.1V-Thinking、GLM4.5V和GLM-4.6V系列模型，其中GLM-4.1V-Thinking创新性地引入思维链推理机制，采用课程采样强化学习策略，系统性提升模型跨模态因果推理能力与稳定性，在28项业界权威评测中有23项达成10B级模型的最佳成绩(SOTA)；而GLM-4.5V采用MoE架构(总参数106B、激活参数12B)，在100B级视觉推理模型中树立起新的标准，在41个业界主流benchmark上达到同级别SOTA，且OCR、视频理解、AI解题、长文档解读、前端复刻、空间定位与推理等核心能力获得显著提升；GLM-4.6V则在多模态感知和深度推理方面进一步增强，且支持128k long-context、多模态工具调用和图文交错输出，为执行复杂、长程、多模态Agentic任务奠定坚实基础；9B版本的GLM-4.6V-Flash整体表现超过 Qwen3-VL-8B，106B参数12B激活的GLM-4.6V表现比肩2倍参数量的Qwen3-VL-235B。顺应技术发展趋势和业界需求，2026年初团队研发和开源GLM-Image和GLM-OCR。前者是智谱新旗舰图像生成模型，全程基于国产芯片完成训练，采用独创的「自回归+扩散解码器」混合架构，兼顾全局指令理解与局部细节刻画，克服了海报、PPT、科普图等知识密集型场景生成难题，是面向以Nano Banana Pro为代表的新一代「认知型生成」技术范式的一次重要探索。GLM-OCR则是轻量级OCR和文档解析专用模型，以“小尺寸、高精度”树立新标杆，其性能登顶 OmniDocBench，擅长公式、手写体、表格等高难场景，仅 0.9B 参数，推理高效易部署，在HuggingFace上获得超过360万下载量。【岗位职责】1. 从事音频算法研究、训练、应用，具体业务包括Omni-音频理解、同声传译、video-audio联合生成等2. 探索语音/音频技术前沿技术，探索音频理解、音频表征、音视频联合生成的新范式3. 负责模型的多机多卡训练、高性能推理、数据集构建、评测系统搭建等 职位要求 【职位要求】1. 自然语言处理、机器学习、人工智能、软件工程等相关专业，硕士及以上学历；2. 较强的算法开发能力，熟悉常用的机器学习、深度学习算法；3. 熟练使用Python和Pytorch/Tensorflow深度学习框架；4. 熟悉以下至少一种，且有相应研发经验优先，大模型的框架&理论（如Diffusion、Vall-E/SpearTTS/AudioLM、MusicLM等）；5. 具备优秀的代码能力和基础算法功底，有较为丰富的工程经验，有大规模训练经验或大规模数据处理经验。加分项：1. 在ACL，NeurIPS，ICLR，EMNLP，ICML等顶级会议或期刊上发表过论文者优先；2. 熟悉并行训练框架，有多机多卡训练经验者优先。 投递...
AI院-多模态团队-多模态生成算法研究员 北京 全职 互联网 / 电子 / 网游 职位描述 【团队介绍】智谱多模态大模型团队是全球领先的多模态研究团队之一，专注于推动视觉语言大模型的认知与推理能力的突破。团队拥有从多模态理解到生成的全栈自研技术体系，依托强大的计算资源和全链路研发能力，持续引领行业创新。团队负责多模态基座模型研发（视觉语言模型+多模态生成模型），先后推出GLM-V系列多模态基座模型，以及GLM-Image、CogView、CogVideo等前沿生成模型。2025年连续发布GLM-4.1V-Thinking、GLM4.5V和GLM-4.6V系列模型，其中GLM-4.1V-Thinking创新性地引入思维链推理机制，采用课程采样强化学习策略，系统性提升模型跨模态因果推理能力与稳定性，在28项业界权威评测中有23项达成10B级模型的最佳成绩(SOTA)；而GLM-4.5V采用MoE架构(总参数106B、激活参数12B)，在100B级视觉推理模型中树立起新的标准，在41个业界主流benchmark上达到同级别SOTA，且OCR、视频理解、AI解题、长文档解读、前端复刻、空间定位与推理等核心能力获得显著提升；GLM-4.6V则在多模态感知和深度推理方面进一步增强，且支持128k long-context、多模态工具调用和图文交错输出，为执行复杂、长程、多模态Agentic任务奠定坚实基础；9B版本的GLM-4.6V-Flash整体表现超过 Qwen3-VL-8B，106B参数12B激活的GLM-4.6V表现比肩2倍参数量的Qwen3-VL-235B。顺应技术发展趋势和业界需求，2026年初团队研发和开源GLM-Image和GLM-OCR。前者是智谱新旗舰图像生成模型，全程基于国产芯片完成训练，采用独创的「自回归+扩散解码器」混合架构，兼顾全局指令理解与局部细节刻画，克服了海报、PPT、科普图等知识密集型场景生成难题，是面向以Nano Banana Pro为代表的新一代「认知型生成」技术范式的一次重要探索。GLM-OCR则是轻量级OCR和文档解析专用模型，以“小尺寸、高精度”树立新标杆，其性能登顶 OmniDocBench，擅长公式、手写体、表格等高难场景，仅 0.9B 参数，推理高效易部署，在HuggingFace上获得超过360万下载量。【岗位职责】负责图像/视频生成模型训练及数据优化 职位要求 1、985高校计算机、电子、自动化等相关专业硕士或博士学位(优秀本科生亦可考虑)；2、深入理解常用多模态算法；具备多模态大模型和视频理解相关项目经验者优先；3、在CCF-A类会议发表过多模态相关论文者优先考虑；4、熟练运用Pytorch、transformers、megatron等主流框架；5、工作态度认真负责,具备良好的团队协作能力。 【加分项】 - 在ACL，NeurIPS，ICLR，EMNLP，ICML等顶级会议或期刊上发表过论文者优先； - 熟悉并行训练框架，有多机多卡训练经验者优先。 投递...
AI加速器架构研发工程师 北京 全职 互联网 / 电子 / 网游 - 研发 职位描述 1.基于现有指令集和编译框架，设计并实现优化深度学习算子，完成对PyTorch等主流框架的适配；2.负责AI加速器软硬件协同设计与优化，包括ISA设计、微架构设计及性能分析3.通过仿真器进行架构探索，分析性能瓶颈，结合模型算法探索优化方向4.与合作伙伴紧密配合，参与硬件架构设计与迭代，实现算法到硬件的高效映射5.追踪和研究AI芯片领域的前沿技术发展 职位要求 1.计算机科学、电子工程、集成电路等相关专业博士学位2.扎实的计算机体系结构基础，熟悉CPU/GPU/NPU等处理器设计原理3.熟悉深度学习算法及框架(如PyTorch)，有AI编译器或算子优化经验者优先4.具备较强的编程能力(C/C++/Python)5.有AI芯片相关研究或工作经验者优先6.良好的问题分析和解决能力，具备较强的创新意识7.优秀的沟通协作能力，能够在跨部门团队中高效工作 投递...
AI 院-多模态音频团队-音频生成算法工程师（社招） 北京 全职 互联网 / 电子 / 网游 职位描述 1. 负责agent场景下的多模态理解、生成算法研究、训练、应用，包括但不限于context-aware ASR、指令控制TTS、omni understanding等。2. 负责模型的多机多卡训练、高性能推理等； 职位要求 1. 硕士及以上学历，计算机、数学、通信等相关专业；具备良好的学习能力、逻辑思维能力、沟通协作能力；2. 有三年及以上语音合成、语音识别算法经验，或三篇及以上顶会论文（各类CCF-A会、ICASSP/INTERSPEECH等）；3. 熟练使用Python和Pytorch/Tensorflow深度学习框架；4. 对以下至少一种熟悉并有相关经验：1）语音大模型的框架&理论，包括但不限于Diffusion、Vall-E/SpearTTS/AudioLM、MusicLM；2）音频理解大模型/ASR大模型，包括但不限于qwen-audio、sensevoice、whisper等；3）熟悉omni多模态大模型，包括但不限于qwen-omni、mimo-omni、Step‑Audio、Covo‑Audio等；4）有业务落地工程经验优先。 投递...