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...
AI 院-多模态团队-多模态理解算法研究员-强化学习方向 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：学科解题方向，负责VLM的混合SFT/RL训练优化及RL训练的数据处理，通过人类偏好学习提升多模态大模型的对齐和推理能力。 职位要求 1、统招硕士及以上学历，计算机科学/机器学习/人工智能相关专业；2、0-3年工作经验，在NLP/CV/RL等至少一个AI领域有过深入的研究经历；3、熟悉主流的多模态大模型，能持续跟进学术界和工业界的最新研究和产品；4、熟悉强化学习，有RLHF/DPO训练经验者优先；熟悉Linux,Python,Pytorch和Transformer，了解分布式训练框架如Deepspeed,Megatron-LM等；5、了解对多模态数据（如文本、图像、视频、音频等）的基本处理，能够独立完成数据收集、清洗和构造的pipeline； 投递...
算法实习生 北京 实习 互联网 / 电子 / 网游 职位描述 1、负责大模型算法的适配和调优；2、负责大模型的推理，训练相关的工程优化；3、负责大模型的推理，训练相关框架的国产芯片适配；4、根据行业场景需求设计微调工具等； 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、 熟悉常见的深度学习框架，如：Pytorch 等3、了解Megtron，Deepspeed等大模型通用框架；4、了解vLLM，TGI，Transforms等大模型通用框架；5、出色的问题解决能力，良好的owner意识，能够持续推动问题解决；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、在预训练语言模型（如Llama，GPT等）的设计、训练和优化方面有实际项目经验者优先； 投递...
AutoGLM-Agent算法工程师 北京 全职 互联网 / 电子 / 网游 职位描述 1. 负责大模型智能体相关的基础性和应用性算法开发和调优，包括任务定义，数据构造，SFT/RL 等算法设计开发，以及智能体能力评测；2. 跟进工业界/学术界最新动态，在骨干模型上实现和尝试新的算法和方案，开发包括 API 调用、GUI 智能体、Function Call 等新的 LLM 系统性应用；3. 在专业领域和应用场景适配基座模型，并取得专用领域的良好表现； 职位要求 1. 统招硕士及以上学历（优秀者本科亦可），有较强的算法和工程能力，熟练掌握 PyTorch、DeepSpeed、Megatron、VeRL、OpenRLHF框架，有文本/多模态大模型的强化学习训练经验；2. 良好的沟通能力和跨团队协作能力，表达能力清晰，善于与人沟通；3. 有良好的自我驱动能力，能快速推进新任务的完成；对于新技术的学习抱有热情，有持续自我学习和提高的意识和能力；4. 在 ICML、NeurIPS、ICLR、ACL、EMNLP、KDD 等人工智能顶级会议或期刊上发表论文，取得过 ICPC、NOI、ACM 等比赛奖项者优先；5. 在大模型相关岗位有实习和工作经验者优先；6. 有超算经验和大规模分布式计算知识和经验者优先； 投递...
AI 院-MOE 训练/推理Infra工程师 北京 全职 互联网 / 电子 / 网游 职位描述 我们正在寻找一位经验丰富的 MOE 训练/推理 Infra 开发工程师，负责设计、实现并优化我们的 MOE（Mixture of Experts）训练和推理框架。该职位需要您具备扎实的分布式系统、高性能计算、深度学习框架以及硬件加速优化的相关知识，能够解决 MOE 训练和推理过程中的各种技术难题，并与算法团队紧密合作，确保算法的顺利实现。主要职责：1、设计并实现高效的 MOE 训练/推理框架：•设计并开发支持大规模分布式训练和推理的 MOE 框架，确保其在各种硬件配置下的高效运行；•优化训练和推理性能，通过算法优化、并行计算、缓存策略等方式，缩短训练和推理时间，提高效率；2、解决 MOE 训练/推理过程中的技术难题：•针对专家网络的选择问题，研究和实现有效的专家选择算法，确保模型在训练和推理过程中的稳定性和准确性；• 解决负载均衡问题，通过动态调整专家网络的负载分配，提高系统资源的利用率，避免过载或空闲状态；• 优化通信过程，减少分布式训练和推理中的通信开销，提高数据传输效率，缩短训练和推理时间3、与算法团队密切合作：•与算法团队保持密切沟通，了解算法需求，根据需求调整和优化训练和推理基础设施，确保算法的顺利实现；•跟踪业界最新技术动态，引入适合项目需求的新技术、新方法，提升团队整体技术水平； 职位要求 关键技能：分布式训练技术：•掌握分布式训练框架（如 Horovod、PyTorch Distributed）的使用和优化。•具备设计和实现高效分布式训练系统的能力。硬件加速优化：•熟悉 GPU、TPU 等硬件架构，能够进行硬件级性能调优。•了解 CUDA、cuDNN 等相关技术，能够利用硬件加速提升训练和推理效率。模型优化技术：•了解量化、剪枝、压缩等模型优化方法，以提升推理效率•能够在实际项目中应用这些技术，优化模型大小和推理速度•负载均衡与通信优化•能够设计高效的负载均衡策略和通信机制，以应对
大模型算法实习生 北京 实习 互联网 / 电子 / 网游 职位描述 1. 大模型训练与优化： - 参与大规模语言模型（LLM）的预训练、微调、对齐（Alignment）及性能优化（如SFT、DPO、RLHF等）。 2. 应用场景落地： - 结合业务需求（如对话系统、内容生成、ChatBI、Agent），熟练运用不同训练方法解决实际问题， 有实际项目经验者优先。3. 前沿技术研究： - 跟踪大模型领域最新论文（如Transformer架构改进、多模态融合、Agent技术等），复现并验证创新点。 4. 经验总结： - 协助撰写技术文档、报告 职位要求 必需项： 1. 技术基础： - 熟悉Python和主流深度学习框架（PyTorch/TensorFlow）。 - 掌握NLP基础知识（如Transformer/BERT/GPT等模型原理）。 2. 经验要求： - 有NLP相关项目经验。3.