As a SQA Test Engineer, you will work within our Software Development team designing, building and maintaining test systems to ensure that software technology is thoroughly tested, and deliveries are rock solid. If you have a
科研数据评测与项目交付方向 北京 全职 硕士及以上 职位描述 1. 科研数据与模型评测体系建设设计、搭建并持续迭代覆盖多模态科研数据的评测基准、评测集与评测方法，包括反应、物质、谱图、知识图谱、文献、语料库等数据类型，形成可用于项目验收、产品迭代和对外展示的 benchmark 资产。2. 化学数据库与科研语料库评测落地围绕化学数据库、科学语料库及相关模型能力，设计数据质量、结构化准确性、知识抽取效果、模型问答能力、可追溯性、覆盖率、一致性等关键指标，组织内部测评、抽样核验与问题归因，支撑项目阶段验收与综合验收。3. LLM-as-a-Judge / LLM-as-a-Verifier 评测流水线建设设计并落地基于大模型的自动化评测流水线，包括 prompt 设计、CoT 设计、多 agent 协同、批处理、可控解码、结果聚合与一致性校准，重点解决专业科研场景下大模型评测的幻觉、偏差和稳定性问题。4. 专用评测模型训练与优化基于领域评测数据集，参与 fine-tune 或训练专用打分器、分类器、embedding 模型，与 LLM-as-a-Judge / LLM-as-a-Verifier 路径互补，提升评测结果的稳定性、专业性与可量化程度。5. 评测驱动的算法、数据与产品迭代主导或参与评测结果分析与问题归因，输出可执行的算法优化、数据采集、数据清洗、标注策略与产品改进建议，与算法、数据、产品、工程团队形成“评测—迭代—再评测”的闭环机制。6. 科研项目统筹与交付管理将既有项目书、年度任务和验收要求转化为可执行的里程碑计划，明确交付物清单、验收口径、质量目标与风险节点，持续跟踪项目进度，推动阶段性任务和综合验收按期完成。 职位要求 1. 教育背景与专业基础硕士及以上学历，化学、化工、化学信息学、材料、生物医药、计算机、人工智能等相关专业优先，博士优先；具备跨学科科研经历或 AI for Science 项目经验者优先。2. 科研数据专业判断能力至少在化学、材料、生物医药或相关科研数据领域具备扎实的专业基础，能够独立判断数据、知识抽取结果和模型输出的正确性与质量，具备设计专业评测金标和质量标准的能力。3. 评测方法论能力理解
【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...
GUI Agent实习生— 环境合成与RL训练方向 武汉 校招 实习 算法类 职位描述 1. 跟踪和调研 GUI Agent、Computer-Use Agent、Mobile Agent、Web Agent 等方向的前沿技术，重点关注环境合成、任务生成、自动评测、轨迹数据构建、RL/RLVR 训练等相关方法和开源项目；2. 参与 GUI Agent 任务环境合成与可验证评测体系建设，包括移动端 / Web / 桌面任务环境设计、模拟应用构建、任务模板设计、状态建模、mock backend、任务完成判定、verifier / reward 信号设计等；3. 参与 GUI Agent 数据与 RL 训练闭环建设，包括任务生成、轨迹采集、数据筛选、失败案例分析、困难样本挖掘、rollout 数据分析、训练环境接入和策略效果评估，持续提升模型任务完成率、泛化性和执行效率。 职位要求