秋招 AI/大模型/算法/机器学习/软件开发

多城市多岗位正在招聘： 1、AI模型研究员： 1）大模型数据技术：构建预训练/后训练高质量数据，研究数据合成与仿真技术；研究数据课程采样配比方法，提升数据效能；研发数据工程工具与平台，支撑规模化数据生产与验证。 2）后训练与强化学习：探索SFT数据配比、SFT&RL协同策略与RL训练算法；研究Agentic/Reasoning/Coding等场景的Reward System构建与环境模拟；探索模型融合、在线蒸馏与多任务RL策略。 3）Agent技术：开发记忆管理、规划推理、工具调用等Agent核心功能；设计复杂任务规划、多步工具编排等高价值数据生产管线；研发RL驱动的策略优化机制，提升Agent在复杂决策场景的泛化能力。 4）AI模型评测：研究大模型评测理论与系统性评估方法；构建Agent评测Benchmark与高难度评测集；研究评测集泄漏检测、泛化分析与自动化分析算法。 5）AI算法：研究决策推理框架与强化学习算法；研究语音语义、语音唤醒、语音识别、语音合成、语音大模型等核心技术；研究AIGC、3D视觉等计算机视觉前沿方向。 6）AI应用安全：研究Agent提示词注入与越权授权攻防技术；设计工具调用安全校验与RAG隐私保护机制；开发AI护栏系统，实现输入输出实时扫描与有害意图拦截；针对业务场景进行威胁建模与安全基线制定。 2、AI Infra研究员： 1）AI训推系统研究：大模型训练推理系统架构与创新算法，推动成果落地产品；研究预训练、RL后训练、Agentic AI、推理引擎等训推框架前沿设计；研究计算/内存/通信/iO软硬协同优化方案。 2）AI算子技术研究：大模型训练推理算子加速技术，覆盖训练/推理/生成式推荐等场景；研究算子性能优化、精度分析、计算图优化方法，通过数学变换、流水编排、深度融合、Tile优化等创新实现算子性能跨越。 3）建模仿真：构建大模型训练推理的数学模型与仿真框架，研究分布式训练策略与集群推理优化；开发仿真平台验证训练稳定性与资源利用率，建立量化验证体系确保仿真可靠性。 3、网络技术研究员 ： 1）研究计算/云/数据中心网络架构、转发查表与路由协议算法；研究确定性承载、时钟同步、网络可靠性等关键技术；研究负载均衡、流量控制、QoS、集合通信等数据中心网络核心技术。 2）研究高速短距通信物理层关键技术，包括单对线以太、PAM/OFDM调制解调技术；研究接口物理层PCS算法、编码架构与数模电路设计；研究AI/HPC场景软硬协同加速、DPU/交换机硬件架构及光电融合交换技术。 3）研究网络设备转发查找、流量管理、交换测量等关键算法；研究芯片体系结构、SoC架构与异构加速方案；研究AI模型在GPU/FPGA/NPU等异构计算平台的部署、量化剪枝与性能调优。 岗位要求： 1、通信工程、电子信息工程、计算机科学与技术、自动化、人工智能等相关专业； 2、熟悉机器学习、强化学习、深度学习、大模型技术中的基本算法； 3、熟悉AI大模型原理，具备机器学习算法优先