BYR Achieve · 镜像论坛

微信：18518019493 邮箱：641388166@qq.com agent系统开发-北京岗位职责: 负责Agent平台及应用核心后端系统的开发和维护，包括Agent内核框架、Agent应用调优、业务逻辑、后端基建等方面的设计和实现；参与线上及客户项目的需求讨论和架构设计，保证研发代码质量、工程稳定性和性能；对最终项目效果负责；支持和优化系统的性能和稳定性，处理高并发的请求；参与项目的技术选型、架构设计和实施；为团队成员提供技术支持和培训。职位要求岗位要求：本科及以上学历，计算机相关专业背景；至少 3 年以上后端开发经验，精通至少一种后端常用开发语言，如 Go 、Python 、Java、TypeScript等；熟悉LLM常见技术；熟悉MCP、A2A等协议；熟悉MetaGPT、LlamaIndex、LangGraph等 AI 开发框架，有开源项目开发经验优先；熟悉数据库设计和优化，有数据库调优经验；熟悉分布式系统、缓存、消息队列等技术，有相关项目经验；对技术充满热情，善于学习和运用新技术，有大型分布式系统开发经验者更佳；具备高度责任意识，良好的沟通能力和团队合作精神，能够积极参与团队讨论和决策。有toB，toG交付项目实施经验优先。 AI院-GLM团队-模型代码后训练算法工程师职位描述 1. 负责基座模型在各类代码生成 / Coding Agent 场景的效果优化； 2. 分析业务需求，针对不同应用场景的设计训练方案，提高模型在不同下游应用上的的性能； 3. 跟进 LLM 代码生成前沿技术，持续优化基座模型完成各类复杂代码生成任务的能力；职位要求 1. 本科及以上学历，计算机、软件工程、人工智能等相关专业； 2. 具有数据构建和指令微调经验（重要），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（重要）； 3. 具有优秀的逻辑思维能力，关注代码生成前沿进展，对提升模型代码生成能力充满热情； 4. 具有良好的团队合作精神，善于分析和解决问题，有较强的沟通能力和学习能力；加分项： 1. 有代码生成 / Coding Agent 项目经验者优先； 2. 在大模型 / 代码生成领域有研究论文者优先； 3.熟悉大模型预训练 / SFT / RL 者优先 AI院-GLM团队-模型代码预训练算法工程师职位描述 1. 负责代码预训练数据的合成、清洗、权重分配、来源扩充等一系列工作，持续提高代码预训练、中训练数据质量； 2. 负责探究预训练小领域数据的配比和最终效果之间的关系； 3. 开发数据筛选和合成链路，提升基座模型在下游代码任务中的能力；职位要求 1. 本科及以上学历，计算机、软件工程、人工智能等相关专业； 2. 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； 3. 关注代码生成领域前沿进展，对提升模型代码生成能力充满热情； 4. 具有良好的团队合作精神，善于分析和解决问题，有较强的沟通能力和学习能力； 5. 在大模型 / 代码生成领域有研究论文者优先；熟悉大模型预训练 / SFT / RL 者优先；算法工程师（Agent方向）职位描述 1. 负责大模型相关的应用性算法开发和调优，包括SFT/RLHF 等数据构造，SFT/RLHF 等算法设计开发和应用； 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、智能体、All Tools 等新的大模型系统性应用； 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），计算机专业，有较强的算法和工程能力，熟练掌握 PyTorch、DeepSpeed、Megatron框架，熟悉 Transformer 结构，有 ChatGLM / Llama 等模型的使用/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. 在人工智能顶级会议或期刊上发表论文，取得过 ICPC、NOI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； AI 院--多模态理解--训练框架算法工程师团队介绍】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我们拥有: - 从多模态理解到生成的全栈自研技术体系 - 充足的计算资源支持，可以支持预训练方面的探索 - 覆盖数据、训练、推理部署、评测和开源的全方位研究我们的成就: - 开源多个世界领先的视觉理解模型，如CogVLM、CogAgent、CogVLM2和CogVLM2-Video，获得广泛好评 - 推出CogVideo、CogView系列等多模态生成模型，在图像、视频生成领域处于全球前沿 - 将视觉理解和文生视觉模型应用于智谱清言APP和GLM4v智谱Maas平台，服务广泛的C端和B端用户 - 多模态基础模型 CogVLM、CogVLM2 - 视频理解模型 CogVLM2-Video - 图片生成模型 CogView - 视频生成模型 CogVideo - 多模态Agent模型 CogAgent 职位要求 -参与GLM-4多模态大模型，CogVLM、CogView、CogVideo系列多模态理解生成模型训练框架 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，对常见的大模型训练策略有所了解，例如混合精度、zero优化器、激活重计算、常见的并行策略 5，对常见的性能优化策略有了解，能够针对已有的算法修改提升性能 6，对Megatron框架有一定的了解，能够根据需求对Megatron有一些定制的更改职位要求 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推理模型算法工程师（社招）团队介绍】目前的语言模型在日常对话和基础的推理和任务处理上已经取得了不错的性能，然而在处理复杂推理任务上，当前的语言模型还和人类存在较大的差距，因此提升模型高阶推理能力是进一步提升模型“智力”的重点。OpenAI o1 展示了模型通过长思考显著提升模型推理能力，模型能够自主探索和尝试复杂任务的正确求解方法。我们关注提升模型自我探索和长思考的能力以及后训练可扩展性，期望模型在推理阶段能够通过更长的思考提升解决复杂逻辑推理和真实问题的能力。同时，我们关注在后训练阶段能够实现接近预训练阶段算力与模型效果的 scaling，让模型在训练阶段实现自我提升和迭代优化。【工作职责】 - 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；对齐数据的质量和多样性控制等 - 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 - 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 - 对齐范式探索：结合模型监督、self-improve 等进行训练优化探索；交互任务复杂推理；长文本生成优化； - 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】 - 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 - 在CCF-A类会议发表过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。大模型B-AI产品专家职位描述 1、负责AI开放平台产品工作，深入了解大模型B端应用场景及需求，设计并完善平台基础功能及场景解决方案产品 2、调研、抽象用户需求，分析数据，挖掘洞察，协调项目组实现设计并不断迭代，推动平台服务能力达到行业领先 3、了解和贴近平台客户、并理解客户需求，定期复盘和抽象提炼，结合平台规划，归纳和抽象转化成平台能力 4、结合市场变化，配合销售、市场等商业化团队，合理安排迭代推动需求的落地，做好平台支撑性产品工作 5、定义平台维度业务指标体系，以数据指标为管理抓手，持续提升开放平台核心业务流程体验和综合服务能力职位要求 1、本科及以上相关学历，5年以上一线互联网公司产品经验 2、具备较好的平台产品思维，逻辑清晰、善于总结、归纳和抽象 3、对业务有判断力，能够在复杂繁琐中识别关键矛盾，并设计有效的短期和中长期产品方案 4、积极主动，执行力强，有较强的自驱力、学习创新能力、较强产品洞察力 4、优先考虑：对大模型深度了解；具有AI平台/云计算/交易中台等相关互联网ToB平台经验 MOE训练/推理 Infra开发工程师职位描述 1、MOE 训练 Infra 开发 o设计并实现高效的 MOE 训练框架，支持大规模分布式训练，优化训练性能，缩短训练时间 o解决 MOE 训练过程中的技术难题，如专家网络的选择、负载均衡、通信优化等 o与算法团队密切合作，根据算法需求调整和优化训练基础设施，确保算法的顺利实现 2、MOE 推理 Infra 开发 o开发高性能的 MOE 推理引擎，支持多种硬件平台（如 CPU、GPU、TPU 等），实现模型的快速部署和推理。 o优化推理流程，提高推理效率和准确性，降低推理成本。 o对推理结果进行监控和分析，及时发现并解决推理过程中出现的问题。 3、系统优化与维护 o对 MOE 训练和推理基础设施进行性能调优，不断提升系统的稳定性和可靠性。 o定期对系统进行维护和升级，确保系统的安全性和兼容性。 o编写技术文档，为团队成员提供技术支持和培训。 4、团队协作与沟通 o与算法团队、数据团队、产品团队等跨部门协作，共同推进项目的进展。 o参与技术交流和分享活动，不断提升自己的技术水平和团队的整体实力。

【社招】【大模型独角兽公司】agent后端，大模型算法，产品，in