AI院-多模态理解-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。 职位要求 岗位职责：- 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。- 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。- 优化模型训练，包括包括模型的预训练、微调、偏好对齐等- 探索前沿算法，多模态理解的数据合成、模型自我迭代等。- 加速多模态大模型的推理过程并部署到实际应用中。 岗位要求：- 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)- 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- 在CCF-A类会议发表过多模态相关论文者优先考虑- 熟练运用Pytorch、transformers、megatron等主流框架- 工作态度认真负责,具备良好的团队协作能力 加入我们，你将有机会:- 参与突破性的多模态AI研究- 与顶尖专家共事，快速提升技能- 在充满活力的环境中实现自我价值我们期待你的加入，一同推动AI技术的前沿发展！简历投递：- 智谱校招官网直接投递- 邮箱直达招聘HR：[email protected] 邮件标题：职位名称+姓名+毕业时间
AI院-多模态生成-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。【希望你可以承担以下工作】多模态生成算法研究- 基础算法：进行图片多模态内容生成的模型架构、训练算法、调优技术等算法技术研究探索；- 强化学习：探索利用强化学习等技术基于人类反馈和自动化Reward/Critique模型提升生成内容质量的优化算法；- 模型加速：探索通过蒸馏、量化、架构算法改进等方式提升模型的训练推理效率；- 算法工程：支持多模态生成模型的训练推理框架优化，以及开源项目的开发、维护和适配； 职位要求 【职位要求】1. 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. 熟练运用Pytorch、Deepspeed、Megatron等主流框架；4. 熟悉diffusion算法，有较强代码工程能力。加分项：1. 在NeurIPS，ICLR，CVPR，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。【简历投递】1. 智谱校招官网直接投递；2. 邮箱投递：[email protected]；邮件标题：职位名称+姓名+毕业时间。 投递...
26届校招-AI院-GLM后训练团队-算法工程师 北京 正式 互联网 / 电子 / 网游 - 研发 职位描述 【工作职责】1. 对齐数据优化：包括针对模型特定能力进行数据构造、筛选和优化，特定领域（如数学、代码、复杂推理）等数据筛选和合成；2. 对齐数据的质量和多样性控制等；3. 后训练扩展性：探索模型如何通过更长的思维链推理，在复杂任务上取得更优的效果，post-training阶段训练和推理的扩展能力；4. 强化学习算法优化：算法可扩展性和稳定性提升后训练 scaling 性能；多目标奖励模型优化以及结合CoT和过程监督优化奖励模型；5. 对齐范式探索：结合模型监督、self-improve等进行训练优化探索；6. 交互任务复杂推理，长文本生成优化；7. 强化学习框架效率优化：针对 LLM 强化学习训练需求，优化训练速度，开发和研究相关工具支持训练团队效率提升。 职位要求 【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. 深入理解常用的大模型算法，具备后训练及数据处理相关项目经验者优先；3. 在CCF-A类会议发表过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】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-后训练算法工程师 北京 实习 互联网 / 电子 / 网游 职位描述 我们正在寻找充满激情和创造力的你，加入我们与大模型领域领军企业合作的前沿项目！你将有机会参与到行业领先的模型研发中，共同推动大模型技术在真实的、知名的、有影响力的应用的边界。【希望你可以承担以下工作】1、数据艺术的缔造者： 针对模型特定能力进行数据构造、筛选和优化，特别是在数学、代码、复杂推理等领域的特定数据筛选和合成；并负责对齐数据的质量和多样性控制，让数据成为模型进化的沃土。2、思维链的延伸者： 探索模型如何通过更长的思维链推理，在复杂任务上取得更优的效果，并提升post-training阶段训练和推理的扩展能力，让模型拥有更强大的逻辑推理能力。3、强化学习的优化师： 提升算法的可扩展性和稳定性，优化后训练 scaling 性能；优化多目标奖励模型，并探索结合CoT和过程监督来优化奖励模型，让强化学习算法更高效、更稳定。4、对齐范式的创新者： 结合模型监督、self-improve 等进行训练优化探索；攻克交互任务复杂推理难题；让模型的理解和生成能力更上一层楼。 职位要求 【我们需要这样的你】1、0-5 年经验，高潜人才： 拥有自然语言处理、机器学习、计算机视觉等相关专业背景，硕士及以上学历，我们相信经验不是唯一的衡量标准，潜力同样重要。2、算法高手： 具备较强的算法开发能力，熟悉常用的机器学习、深度学习算法，能够将理论转化为实践。3、框架专家： 熟练使用Pytorch、Huggingface等框架，让技术成为你挥洒创意的工具。4、Transformer 深度理解者： 对Transformer的架构有较为深入的理解，了解Transformer的各种变体，有相关研究经验者优先，让我们一起探索Transformer的更多可能。5、翻译、多语言项目参与者：参加过大模型翻译、多语言项目加分。【我们提供】1、前沿的技术视野： 置身于大模型技术发展的最前沿，与行业顶尖团队并肩作战。2、有影响力的项目： 参与到具有挑战性并且有知名度、影响力的项目中，发挥你的最大潜力。3、完善的成长体系： 提供完善的培训体系和职业发展路径，助力你的个人成长。4、有竞争力的薪酬： 提供具有市场竞争力的薪酬和福利待遇。【我们期待你的加入！】 投递...
26届校招-agent算法工程师 北京 正式 互联网 / 电子 / 网游 职位描述 【团队介绍】我们是一支专注于 AIAgent 研发创新的技术与产品团队——智谱 AutoGLM。团队成员来自多所国内外知名高校，覆盖人工智能、数据科学、软件工程等多个领域，具备丰富的算法创新研究、智能系统设计和产品落地经验。我们致力于打造智能、通用、可拓展的 AIAgent 应用产品与解决方案，赋能多领域行业的智能升级，为使用者带来全新的人机交互体验。目前，基于技术团队在语言模型、多模态模型和工具使用等多方面努力的成果，AutoGLM 的使用场景覆盖手机、电脑、网页等多端设备，涵盖生活提效、深度研究等多个领域方向，并且能力持续提升中。同时，我们也等在内的多个领域客户展积极开展深入合作，不断推动产品的商业化落地与实际业务的深度融合。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
AI院-GLM团队-预训练算法工程师（26届校招） 北京 正式 研发 - 算法 职位描述 【团队介绍】GLM 团队是国内最早从事大模型预训练的团队之一，在 2022 年就完成了千亿模型 GLM-130B 的预训练；GLM-4 在文本上的通用能力已经达到了国际第一梯队的水准；25年7月发布的GLM-4.5 首次在单个模型中实现将推理、编码和智能体能力原生融合，以满足智能体应用的复杂需求，取得了全球模型第三、国产模型第一，开源模型第一的成绩。团队具有充沛的计算资源，可以支持预训练方面的探索。【职位描述】1. 负责预训练数据的构建，包括领域分类、质量筛选、配比调整等；2. 负责语言模型结构探索，包括高效的attention结构、降低部署成本的moe架构等；3. 负责新的预训练scaling范式探索，包括预训练与RL的结合、可扩展的预训练数据合成方法等。 职位要求 【职位要求】1. 2026届毕业，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Pytorch、Huggingface、Megatron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；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；熟悉大模型预训练 / SFT / RL 者优先。 投递...
AI院-GLM团队-代码大模型算法工程师（26届校招） 北京 正式 研发 - 算法 职位描述 【团队介绍】GLM 团队是国内最早从事大模型预训练的团队之一，在 2022 年就完成了千亿模型 GLM-130B 的预训练；GLM-4 在文本上的通用能力已经达到了国际第一梯队的水准；25年7月发布的GLM-4.5 首次在单个模型中实现将推理、编码和智能体能力原生融合，以满足智能体应用的复杂需求，取得了全球模型第三、国产模型第一，开源模型第一的成绩。团队具有充沛的计算资源，可以支持预训练方面的探索。【职位描述】1. 代码预训练数据的清洗和构建，代码能力评估方法的构建，科学、全面地提升 GLM 预训练模型的代码能力；2. 在后训练阶段探究通过 SFT / RL 等方法提升模型通用代码指令、前端开发、Coding Agent 等领域的能力；3. 针对可以验证的代码任务，构建扩展的交互 Environment，通过 RLVR 等方法提升 GLM 模型在多个真实编码场景中的效果。 职位要求 【职位要求】1. 2026届毕业，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Pytorch、Huggingface、Megatron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；5.
【智谱星】AI院-多模态生成-算法工程师（26届校招） 北京 正式 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 【职位要求】1. 2026届毕业，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. 熟练运用Pytorch、Deepspeed、Megatron等主流框架；4. 熟悉diffusion算法，有较强代码工程能力5. 负责生成模型的算法开发和预研，需具备较强的算法自主研究能力（智谱星）；加分项：1. 在NeurIPS，ICLR，CVPR，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...
【智谱星】AI院-多模态理解-算法工程师（26届校招） 北京 正式 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】技术方向一：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；技术方向二：reward 方向，负责 reward system 和 verifier model 优化；技术方向三：负责VLM的算法开发和预研，需具备较强的算法自主研究能力（智谱星）；技术方向四：多模态训练框架开发、调优、提速；技术方向五：负责 pretrain 训练数据清洗优化工作；技术方向六：负责多模态智能评估方向。 职位要求 【职位要求】1. 2026届毕业，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. 熟练运用Pytorch、transformers、megatron等主流框架；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；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...
26届校招-AI院-大模型算法工程师-Agent 北京 正式 互联网 / 电子 / 网游 - 研发 职位描述 GLM-4.6: Advanced Agentic, Reasoning and Coding Capabilieswe are releasing the latest version of our flagship model: GLM-4.6. Compared with GLM-4.5, this generation brings several key
【智谱星】26届校招-AI院-GLM后训练团队-算法工程师（Reasoning） 北京 正式 互联网 / 电子 / 网游 - 研发 职位描述 【工作职责】1. 对齐数据优化：包括针对模型特定能力进行数据构造、筛选和优化，特定领域（如数学、代码、复杂推理）等数据筛选和合成；2. 对齐数据的质量和多样性控制等；3. 后训练扩展性：探索模型如何通过更长的思维链推理，在复杂任务上取得更优的效果，post-training阶段训练和推理的扩展能力；4. 强化学习算法优化：算法可扩展性和稳定性提升后训练 scaling 性能；多目标奖励模型优化以及结合CoT和过程监督优化奖励模型；5. 对齐范式探索：结合模型监督、self-improve等进行训练优化探索；6. 交互任务复杂推理，长文本生成优化；7. 强化学习框架效率优化：针对 LLM 强化学习训练需求，优化训练速度，开发和研究相关工具支持训练团队效率提升。 职位要求 【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. 深入理解常用的大模型算法，具备后训练及数据处理相关项目经验者优先；3. 在CCF-A类会议发表过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】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...
【智谱星】大模型算法工程师-基座方向 北京 正式 研发 - 算法 职位描述 【团队介绍】GLM 团队是国内最早从事大模型预训练的团队之一，在 2022 年就完成了千亿模型 GLM-130B 的预训练；2024年1月发布的 GLM-4 在文本上的通用能力已经达到了国际第一梯队的水准；25年7月发布的GLM-4.5 首次在单个模型中实现将推理、编码和智能体能力原生融合，以满足智能体应用的复杂需求，取得了全球模型第三、国产模型第一，开源模型第一的成绩。团队具有充沛的计算资源，可以支持预训练方面的探索。团队不仅关注榜单，同样注重实际效果，已在Coding Agent、PPT agent、Search Agent 等复杂场景中积累了丰富的智能体开发经验。我们正在寻找充满激情和创造力的你，加入我们与大模型领域领军企业合作的前沿项目！你将有机会参与到行业领先的模型研发中，共同推动大模型技术在真实的、知名的、有影响力的应用的边界。【招聘方向】预训练、后训练、代码大模型多方向人才招聘中 职位要求 【职位要求】1、高潜人才： 拥有自然语言处理、机器学习、计算机视觉等相关专业背景，硕士及以上学历，我们相信经验不是唯一的衡量标准，潜力同样重要。2、算法高手： 具备较强的算法开发能力，熟悉常用的机器学习、深度学习算法，能够将理论转化为实践。3、框架专家： 熟练使用 PyTorch 和 Megatron 等框架，让技术成为你挥洒创意的工具。4、Transformer 深度理解者： 对 Transformer 的架构有较为深入的理解，了解 Transformer 的各种变体，有相关研究经验者优先，让我们一起探索 Transformer 的更多可能。【我们提供】1、前沿的技术视野：
AI算法工程师 - 3D生成 北京、深圳 正式 研发 - 算法 27届研发类校招提前批 职位描述 1. 研发面向3D打印场景的3D生成/编辑/重建等算法，重点攻克模型的可打印性、生成质量和可控性。2. 结合公司3D智能建模工具的业务需求，实现相关算法。3. 跟踪3D AI领域的前沿技术结合3D打印业务，探索新的技术突破点和创新应用。 职位要求 1.计算机、人工智能、数学等相关专业本科及以上学历；2.具备扎实的数理功底和算法能力；具备优秀的工程能力和编码功底，能快速复现和实现新算法。3.具备极强的自驱力、责任心和好奇心；具备良好的沟通能力和团队协作精神，乐于分享和共同成长。4.加分项：- 在AIGC或3D视觉领域有顶级会议/期刊论文（如CVPR, ICCV, ECCV, SIGGRAPH, NeurIPS）- 熟练掌握PyTorch/TensorFlow- 深入理解DiT、VAE等神经网络结构的原理，有3D或2D（图像/视频）生成项目的扎实经验。- 熟悉MVS、SDF、NeRF、GS等方法，对射影几何、点云处理、Mesh处理等熟练掌握，有3D重建相关项目经验 投递...
算法实习生 北京 校招 实习 算法类 职位描述 1. 负责提升智驾场景训练数据的自动标注能力；2. 负责视觉语言模型（VLM/VLA）的后训练调优，持续提升模型的感知与推理性能；3. 紧密对接智驾应用需求，协助推动关键技术落地，实现模型效果与系统性能的双重提升；4. 探索多模态融合/基座模型/思维链（CoT/CoC）等在智驾领域中的创新应用，提升复杂场景下的模型推理能力和边界； 职位要求 1. 教育背景：计算机科学、人工智能、机器学习或相关领域在读硕士或博士生2. 能力：· 扎实的计算机基础和人工智能基础，熟悉Transformer/ViT/LLaVA/Qwen-VL等常见模型架构· 熟悉lora/SFT/RL等后训练技术· 具备较强编程能力，熟练使用Python语言和PyTorch深度学习框架· 能及时同步工作进展· 具备良好的团队协作和沟通能力· 有VLM/VLA视觉大模型微调和技术创新经验者优先 投递...
大模型算法工程师-实习 北京 校招 实习 软件研发类 职位描述 1、负责语音理解大模型的数据pipeline设计、筛选和清洗；2、负责语音编码器的设计和训练、语音理解大模型的微调；3、负责模型结构和训练策略的优化，提升训练效率和推理效率；4、探索多模态语音理解相关技术； 职位要求 1、计算机科学、人工智能或相关领域硕士及以上学历。2、熟练掌握Python编程语言和深度学习框架pytorch，有良好的算法和数据结构基础；3、有大模型相关实习经验者优先；4、有多模态大模型训练、调优、加速经验者优先； 投递...
AI院-GLM团队-后训练算法工程师（26届校招） 北京 正式 研发 - 算法 职位描述 【团队介绍】GLM 团队是国内最早从事大模型预训练的团队之一，在 2022 年就完成了千亿模型 GLM-130B 的预训练；GLM-4 在文本上的通用能力已经达到了国际第一梯队的水准；25年7月发布的GLM-4.5 首次在单个模型中实现将推理、编码和智能体能力原生融合，以满足智能体应用的复杂需求，取得了全球模型第三、国产模型第一，开源模型第一的成绩。团队具有充沛的计算资源，可以支持预训练方面的探索。【职位描述】1. 优化方向包括但不限于通用聊天、写作、角色扮演、STEM、逻辑推理、多语言等方面，近期深耕Agentic LLM领域，长期聚焦指令遵循、长上下文理解、长程交互、任务规划、自我反馈与改进、拟人化等核心能力构建；2. 不仅关注榜单，同样注重实际效果，团队已在Coding Agent、PPT agent、Search Agent、等复杂场景中积累了丰富的工程化经验，25年7月发布的GLM-4.5系列模型在工程代码和agentic体验上相比前代模型有了长足进步。 职位要求 【职位要求】1. 2026届毕业，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Pytorch、Huggingface、Megatron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；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；熟悉大模型预训练 / SFT / RL 者优先。 投递...
AI院-GLM团队-后训练 RLHF 算法工程师（26届校招） 北京 正式 研发 - 算法 职位描述 【团队介绍】GLM 团队是国内最早从事大模型预训练的团队之一，在 2022 年就完成了千亿模型 GLM-130B 的预训练；GLM-4 在文本上的通用能力已经达到了国际第一梯队的水准；25年7月发布的GLM-4.5 首次在单个模型中实现将推理、编码和智能体能力原生融合，以满足智能体应用的复杂需求，取得了全球模型第三、国产模型第一，开源模型第一的成绩。团队具有充沛的计算资源，可以支持预训练方面的探索。团队专注于大语言模型在“通用领域”的能力提升——涵盖对话、创作、角色扮演等领域，涵盖指令遵循、逻辑性、幻觉、情商等基础能力。随着模型应用场景的急速扩大，后训练（Post-training）阶段已成为决定模型最终体验的关键一环。团队目标是构建业内领先的后训练技术栈，提升模型的生成质量和稳定性。【职位描述】1.对齐数据优化；包括针对模型特定能力进行数据构造、筛选和优化，特定领域（如指令遵循、逻辑性、角色扮演）等数据筛选和合成；对齐数据的质量和多样性控制等；2.后训练扩展性：探索模型如何通过思维链推理，在“通用领域”的任务上取得更优的效果；3.强化学习算法优化：提升后训练 scaling 性能；多目标奖励模型优化；生成式奖励模型；过程监督奖励模型；4.对齐范式探索：结合 RLHF、RLAIF、self-improve 等进行训练优化探索。 职位要求 【职位要求】1. 2026届毕业，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Pytorch、Huggingface、Megatron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；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；熟悉大模型预训练 / SFT / RL 者优先。 投递...
AI院-多模态音频-算法工程师（26届校招） 北京 正式 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.负责音频生成中的SFT技术并探索RL的训练优化；2.负责音频生成的token2wav模块包括diffusion model、vocoder。 职位要求 【职位要求】1. 2026届毕业，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），各类声码器（如Hifi-GAN，MelGAN，BigvGAN等），上一代语音合成模型（如Tacotron、Fastspeech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...
26届校招-推理Infra工程师 北京 正式 互联网 / 电子 / 网游 职位描述 1. 参与大模型推理框架的设计与开发：协助团队进行支撑大语言模型、图像生成等复杂模型推理的高性能框架研发，推动算法到产品落地的全链路优化，确保推理的高效性、稳定性和低延迟。2. 性能优化与调优：在资深工程师指导下，参与优化内存管理、计算资源分配与调度策略，提升模型推理速度和资源利用率。学习并使用性能分析工具（如Nvidia Nsight）进行瓶颈定位和优化。3. 模型推理加速技术探索：学习并应用业界前沿的推理优化技术，KV Cache优化、模型量化（Quantization）、剪枝（Pruning），跨机分布式推理优化等。 职位要求 1. 基础技能： - 熟练掌握 C++ 和 Python 编程语言，具备扎实的数据结构、算法和操作系统基础。 - 熟悉至少一种主流的深度学习框架（如 PyTorch、TensorFlow），了解其基本实现原理。 - 了解GPU编程（如 CUDA）或并行计算，有相关的课程项目或实验经验。2. 专业知识： - 对 Transformer 架构及主流大模型（如GPT、Llama、Qwen等）的推理特性有基本理解。 - 了解大模型推理的基本流程和常见挑战（如延迟、吞吐、内存占用）。3.
26届校招-训练Infra工程师 北京 正式 互联网 / 电子 / 网游 职位描述 1. 参与训练框架研发与优化：协助团队进行大规模分布式训练框架的设计、实现与维护，支持复杂AI模型（如大语言模型、多模态模型）的高效训练。2. 性能调优与效率提升：在导师指导下，优化训练过程中的内存管理、计算资源调度和分布式通信效率，提升训练速度和资源利用率。3. 集成与适配先进技术：学习并应用业界前沿的训练加速技术（offload、动态分布式并行/流水线排布），确保框架的先进性和竞争力。4. 支持算法研发与交付：与算法工程师紧密配合，提高训练效率，降低研发成本，提升交付能力。 职位要求 1. 基础技能： - 熟练掌握 Python 和 C++ 编程语言，具备扎实的数据结构、算法和操作系统基础。 - 熟悉至少一种主流深度学习框架（如 PyTorch、TensorFlow），了解其基本实现原理和机制。 - 了解GPU编程（如 CUDA）或并行计算，有相关的课程项目或实验经验。2. 专业知识： - 对 Transformer 架构及主流大模型（如GPT、Llama等）的训练特性有基本理解。 - 了解分布式训练的基本原理（如数据并行、模型并行、流水并行）和常见挑战。3. 加分之项（满足以下任一即可）：