Schaeffler 是一家充满活力的全球性科技公司，其成功得益于企业家精神和悠久的家族企业历史。您觉得是否吸引到您？作为所有主要汽车制造商以及航空航天和工业领域重要企业的合作伙伴，我们可为您提供许多发展机会。 您的主要职责 开展所有销售活动，以实现指定市场领域（区域、行业、指定客户或产品线）的既定商业目标。参与预算规划流程，并为指定市场领域规划自己的收入和客户前景。 了解产品策略并就产品应用和差异向客户提供咨询。 分析市场趋势并报告技术、客户和竞争对手。 发展客户关系并与 VLS 建立收购和谈判界限。 与跨职能团队协调并为预算规划做出贡献。 准备、进行并结束有关产品、数量和定价的谈判。 监控并报告销售绩效指标以供改进。 您的任职资格 Vocationally trained in 电子、工程 3 to 5 years OR Undergraduate Degree in 电子、工程 3 to 5 years 我们通过创新影响未来，我们有令人兴奋的工作任务和出色的发展机会静候您的到来。我们期待您的应聘。 www.schaeffler.cn/职业 您的联系人 Schaeffler Trading (Shanghai) Co.,
Research Scientist (Spatial Intelligence) 深圳、上海 全职 智能机器人板块 职位描述 我们致力于构建下一代 空间智能（Spatial Intelligence）系统，让AI不仅能“看懂世界”，更能理解空间结构、推理物体关系、规划行动轨迹，并在虚拟或真实环境中持续学习与演化。你将与团队一起：研发具备空间理解、物体感知、轨迹预测与交互规划能力的智能体模型；构建融合 视觉语言模型（VLM）与世界模型（World Model） 的系统，实现3D场景、深度、物理与可供性（Affordance）的联合建模；使用 Game Engine（Unreal / Unity / Isaac Sim） 搭建高保真虚拟环境，用于数据生成与智能体评测；基于 vLLM / Ray 构建高效多模态数据管线，实现大规模生成、自动标注与验证；推动空间智能在机器人与具身智能领域的应用落地。 职位要求 职位要求计算机科学、人工智能、电子工程、机器人学等相关专业硕士及以上学历；在以下至少一个方向具备研究或工程经验：3D Vision / Scene Understanding / Trajectory Prediction /
数据挖掘工程师/专家 北京、上海 社招 全职 研发 - 算法 职位描述 1. 基于自动驾驶海量数据，利用机器学习、深度学习和数据挖掘方法，负责相关数据挖掘、场景发现、数据筛选与价值挖掘工作，研发适用于实际业务场景的 AI 模型、算法和工具。2. 负责机器学习/深度学习领域的算法研究与工程落地，包括但不限于图学习、生成学习、迁移学习、强化学习、多模态学习以及各类优化方法的实践与创新。3. 面向自动驾驶感知、预测、规划、仿真、数据闭环等业务场景，探索前沿算法问题，设计并实现可落地的技术解决方案，推动数据驱动的模型迭代和业务发展。4. 建设数据挖掘与智能分析能力，包括规则挖掘、Embedding 检索、向量数据库、图搜索、文搜图/图搜图、多模态理解等能力，提升数据生产、质检、评测和交付效率。5. 结合业务需求，沉淀可复用的数据挖掘工具链和算法平台，支持大规模数据分析、样本召回、长尾场景挖掘、难例发现和数据质量提升。 职位要求 1. 数学、计算机、统计学、通信、电子、自动化等相关专业本科以上学历；具备 3 年及以上机器学习、深度学习或数据挖掘相关研究或工程经验。2. 熟悉 Python、Java、C/C++、Scala 等至少一门编程语言，具备良好的工程实现能力，有大规模数据处理、算法系统开发或模型训练经验者优先。3. 熟悉至少一种深度学习框架，如 PyTorch、TensorFlow、MindSpore 等；熟悉常见机器学习/深度学习模型和算法，包括但不限于 GBDT、RF、CNN、RNN、Transformer、CLIP、多模态模型、Embedding 模型等。4. 具备较强的数据分析和数据建模能力，熟悉常见数据挖掘方法，如聚类、分类、召回、排序、异常检测、相似度检索、特征工程、样本筛选等。5. 有自动驾驶、机器人、智能交通、地图、推荐系统、搜索广告、多模态理解、大规模数据挖掘等相关经验者优先。熟悉大数据处理工具或平台者优先，如 Spark、Flink、Hadoop、Hive、ClickHouse、Doris、Elasticsearch、Milvus、Faiss 等。6. 具备良好的问题抽象能力、技术判断力和沟通协作能力，能够结合业务场景快速定位问题，并推动算法方案落地。加分项1. 有自动驾驶数据闭环、长尾场景挖掘、感知数据挖掘、仿真数据挖掘、数据质检或模型评测经验。2.
【27届校招】通用智能AI平台研发工程师 北京、上海、广州 正式 研发 - 算法 通用智能板块 职位描述 小鹏通用智能AI数据闭环平台团队，负责构建支撑百万级路采数据、千卡GPU集群的自动驾驶，具身智能数据与AI基础设施。从路测车辆上每秒产生的GB级传感器数据和多模态具身智能传感器数据，到最终训练出能够应对复杂城市道路的感知/预测/决策模型——我们打造的平台是这一切的底座。你将与国内顶尖的分布式系统、AI基础设施、自动驾驶算法工程师并肩工作，直面PB级数据处理、大规模分布式训练、大模型辅助标注等前沿技术挑战。真实场景，海量数据：你将处理来自摄像头、LiDAR、毫米波雷达、GPS/IMU等多传感器的真实路采和数采数据，规模达到PB级——这不是课堂作业，而是工业级挑战。前沿技术，深度应用：VLM自动化标注、Milvus向量检索、流批一体架构、GPU集群调度……你接触的不是纸上谈兵的技术，而是正在重塑行业的关键能力。完整链路，全局视野：从数据接入→清洗治理→特征提取→模型训练→推理部署→数据回流，你将有机会参与到AI平台的全链路建设中，理解自动驾驶数据闭环的每一环。高速成长，快速扛事：27届校招专属培养计划，mentor一对一引导，但绝不只让你做边角料——我们希望你尽快独立负责核心模块的研发与优化。方向一：大规模数据处理开发高可靠的ETL数据处理流水线，处理车载传感器数据（摄像头图像、LiDAR点云、GPS轨迹、CAN总线信号等）基于Spark/Flink优化数据清洗、转换、聚合任务，持续提升云端数据处理的吞吐与稳定性构建多模态Embedding生产流水线，支持CV/NLP模型对海量数据的分布式特征提取探索基于VLM（视觉语言模型）的自动标签生成方案，减少对人工标注的依赖，加速算法迭代构建驾驶场景的语义索引系统，支持复杂语义检索（如“夜间雨天前车急刹”“高架桥上旁车近距离切入”）方向二：数据建模与治理设计多源异构数据仓库的分层模型（ODS/DWD/DWS/ADS），支撑感知、预测、规划等算法的训练数据需求构建数据血缘与元数据管理体系，确保每一帧训练数据的来源、处理过程与版本都可追溯制定多模态数据的向量化规范（图像/点云/文本的Embedding标准），为后续检索与训练提供高质量特征输入方向三：AI平台架构与优化搭建数据湖仓一体架构（基于Iceberg/Delta Lake + StarRocks/Doris），兼顾数据湖的灵活性与数据仓库的查询性能开发高性能特征向量数据库（基于Milvus/Pinecone或自研引擎），支撑亿级向量的低延迟检索持续优化存储与计算性能（分区策略、压缩算法、缓存机制），探索流批一体、存算分离等新架构的落地设计高效的数据存储、分区与读取策略（Parquet/ORC），优化存储与网络I/O，保障训练与推理的数据吞吐方向四：分析工具与可视化开发BI数据看板，实时监控数据质量及自动驾驶核心指标（感知准确率、接管率、场景覆盖率等）提供多模态检索接口，支持通过文本描述（如“从左后方快速切入的摩托车”）检索对应的驾驶场景视频片段 职位要求 1、2027届硕士/博士毕业生，计算机、软件工程、人工智能、自动化、电子信息等相关专业2、扎实的编程基础，熟练掌握 Python/C++/Java/Scala 中至少一门语言，有良好的工程习惯与代码质量意识熟悉至少一项大数据处理框架（Spark/Flink）或深度学习框架（PyTorch/TensorFlow）3、对自动驾驶场景有基本认知和浓厚兴趣——你不一定懂感知算法细节，但要理解数据对算法训练的价值加分项（满足1-2项即可，非硬性要求）1、有数据仓库建模或数据湖（Iceberg/Delta Lake/Hudi）实际使用经验2、熟悉分布式计算原理，有Spark/Flink任务性能调优经验3、了解Kubernetes及GPU虚拟化技术，有集群资源调度相关实践4、使用过Milvus、Weaviate、Pinecone等向量数据库，或对向量检索算法（HNSW/IVF）有研究5、熟悉VLM/多模态模型（如CLIP、LLaVA、Qwen-VL等），有特征提取或模型微调经验6、有自动驾驶相关数据集（nuScenes/Waymo/Argoverse）的处理经验在ACM、Kaggle、天池等编程/数据竞赛中取得过优异成绩7、有高质量技术博客或开源项目贡献收获1、有竞争力的薪酬与校招专属福利包（薪资面议，对标一线互联网/自动驾驶公司）2、真实的工业级技术挑战，你的代码将直接运行在千卡GPU集群和PB级数据湖上3、技术广度与深度的双重成长，在数据工程、AI基础设施、分布式系统、多模态模型等方向持续积累4、广阔的成长空间：团队技术氛围浓厚，鼓励技术分享、论文阅读与创新探索，支持将前沿成果转化为实际生产力5、清晰的校招培养路径：入职前3个月mentor带教，半年内逐步独立负责核心模块，1年内具备技术owner能力 投递...
Schaeffler is a dynamic global technology company and its success has been a result of its entrepreneurial spirit and long history of private ownership. Does that sound interesting to you? As a partner to all of
Job Description: Job Description: Key Responsibilities 1. Establishing and driving the HUA MSE roadmap with different pillars deployment in plant 1) Establish MSE deployment strategy with clear milestones, translate the site strategy into relevant actions that
VLN算法工程师-酷拓子公司 深圳 校招 正式 技术族 - 算法类 职位 ID：A61221 职位描述 酷拓是智元旗下专注四足机器人的独资子公司，以全地形智能移动与作业平台为核心定位。依托智元“三智一体”技术底座，彻底打破传统机器人“腿长脑子空”的局限，将其升级为具备自主决策能力的AGI四足新物种。1. 负责基于VLM/VLN多模态大模型与多模态感知（RGB-D、点云、自然语言指令等），进行场景理解、指令分解、目标定位与空间推理。结合多模态指令，实时基于视觉与点云等信息生成语义级导航决策。2. 以量产落地为导向，设计多模态语义记忆模块，支持长时序导航、视野受限下的回溯及动态环境中的指令重规划。3. 构建真实场景多模态数据集（含语言指令、视觉序列、运动轨迹），优化模型在开放词汇世界与复杂指令下的鲁棒性。4. 负责VLN系统的端到端闭环，并对关键指标进行优化：导航成功率、平均耗时、卡死率、误入禁区率、舒适度（停走抖动/路径自然性等）。5. 与SLAM、感知、路径规划、运动控制团队协作联调，形成可部署可迭代的VLN能力栈。 职位要求 1. 硕士及以上学历，计算机、机器人、AI等相关专业。2. 熟悉 VLM / 多模态大模型（如GPT-4V、LLaVA、QWen3-VL等），并有实际后训练/微调或推理部署经验。3. 熟悉世界模型相关技术，包括环境动态建模、状态预测、行为仿真、基于模型的强化学习与规划优化。4. 扎实的 C++/Python 编程能力，熟练使用 PyTorch，有仿真环境（Isaac-sim, Habitat-sim等）二次开发经验。5. 加分项：四足机器人实际导航/交互经验、或VLN方向的顶会论文。 投递...
多模态内容审核算法工程师 北京 全职 研发 - 算法 职位描述 我们正在寻找一位对多模态内容安全与质量治理充满热情的算法工程师。您将负责构建和优化多模态课件审核Agent，通过前沿的大模型技术，确保课件内容的安全性与教育价值，为全球化业务保驾护航。1. 计算机、人工智能、数学或相关专业本科及以上学历。2. 具备3年及以上相关领域工作经验。3. 扎实的机器学习/深度学习基础，熟练掌握PyTorch或TensorFlow框架；深入理解多模态模型（如CLIP、Qwen-VL等）原理与应用。4. 具有大语言模型（LLM）微调（SFT/RLHF）或多模态模型研发经验者优先。5. 良好的代码能力，熟悉Python，具有大规模数据处理经验，有内容安全审核算法落地经验者优先。6. 加分项：熟练掌握哈萨克语或俄语，了解中亚地区文化语境，能处理哈萨克语特有的语法特征与敏感内容识别。 职位要求 1. 多模态审核Agent开发： 设计并训练多模态内容审核Agent，实现对课件（包含文本、图片、音频、视频）的自动化精准判别，覆盖政治合规、暴恐、色情、低俗等安全风险领域。2. 课件质量评估体系： 构建多模态内容质量审核模型，自动评估课件的教学逻辑、准确性及多媒体质量，提升整体课件制作标准。3. 多语言大模型应用： 针对公司核心语言（哈萨克语、俄语、英语）进行模型适配与微调，解决特定语言环境下的文化敏感度识别难题。4. 业务落地与闭环： 推动算法方案在审核流程中的落地，分析审核日志与误报/漏报样本，持续迭代优化Agent的召回率与准确率。 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-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 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...
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...
【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...
多模态模型算法工程师实习生 北京 校招 实习 软件研发类 职位描述 1、调研多模态大模型等领域的前沿算法，并进行评测，给出研究报告和知识体系建设；2、完成多模态大模型的基模预训练与后训练等工作3、辅助完成数据采集/数据（自动）标注/模型训练评测等相关工作和流程搭建；4、完成多模态大模型相关领域的论文，并在计算机视觉类的会议投递发表。 职位要求 1、熟练掌握深度学习基础知识，对视觉感知算法/多模态大模型等方向有相关研究背景；2、熟悉常见多模态模型框架，包括但不限于Qwen-VL系列、LLAVA系列等，熟悉多模态模型预训练与后训练；3、能够熟练使用pytorch等深度学习框架；4、较好的动手能力，能够快速搭建并评测前沿算法模型；5、有视觉大模型等相关领域经验或者在CV领域全球顶会发表过相关论文者优先；6、有较好的Python/C++编码能力和良好的编码习惯。 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...
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...