logo of tencent

腾讯代码智能算法工程师

社招全职3年以上TEG技术地点:深圳状态:招聘

任职要求


1.计算机科学、软件工程、人工智能或相关专业,本科及以上学历,3年以上研发经验;
2.熟练掌握Python编程语言,熟悉常见的编程语言和开发工具,熟练掌握算法数据结构、能熟练的进行面向对象的程序设计与开发,编码习惯好;同时擅长多门编程语言(如JavaGoC/C++JavaScript等)者优先;
3.对大模型相关技术(预训练、模型微调、推理性能优化,AI 智能体等)有系统的学习认知和实际项目经验,有较深刻的大模型业务落地实战经验者优先;
4.学习能力强,有较好的论文阅读能力,具备强烈的技术进取心,有良好的沟通与合作精神,拥有优秀的问题分析及解决能力;
5.对新技术和创新有强烈的兴趣,能够快速学习和适应新的技术和工具。

工作职责


1.基于AI大模型,构建代码补全、代码CR意见生成、单元测试生成、代码优化等代码领域的研发辅助产品能力;
2.构建和维护代码数据研制流水线,从不同的代码数据源中提取、转换和加工代码数据,以支持大模型的代码能力的训练;
3.通过代码大模型的Prompt工程、RAG工程、SFT和DPO等手段,优化模型在特定业务场景的性能。
包括英文材料
学历+
Python+
算法+
数据结构+
面向对象+
编程规范+
Java+
Go+
C+
C+++
JavaScript+
大模型+
相关职位

logo of jd
社招5-10年算法开发岗

1. 基于代码大模型进行续训、SFT、强化等技术手段,构建代码大模型的代码补全、代码生成、代码优化、下一个光标位置预测、智能重写等代码能力,目标是对标业界领先的AI编码产品,如Cursor、Github copilot等; 2. 构建和维护高效的代码数据研制流水线,能够从源代码中提取特定代码任务的数据或基于gpt/ds等大模型进行合成数据,确保数据的质量和多样性,支持大模型的代码能力训练; 3. 能够基于用户的实际使用场景和反馈(bad case)进行深入分析,识别模型中的问题点,提出有效的解决方案和优化策略,推动模型的持续迭代与优化; 4. 跟踪并研究代码智能领域的前沿技术,探索将最新的研究成果应用于实际项目中,提升代码智能算法的先进性和实用性; 5. 与研发团队紧密合作,确保算法开发与业务需求的紧密结合,通过技术创新推动业务流程的优化与效率提升。

更新于 2025-06-09
logo of 10jqka
校招AI 算法类

1、负责代码场景的效果优化,深入研究LLM后训练等相关技术,提高算法准确率和效率; 2、分析业务需求,设计并实现适用于不同场景的算法解决方案,支持产品线在算法方面的需求; 3、持续跟进LLM前沿技术,基于LLM完成在代码领域中的复杂任务。

logo of antgroup
校招蚂蚁星计划 -

我们是蚂蚁集团平台工程与技术风险部,在这里可以应用最前沿的AI技术,实践最扎实的工程平台,参与前沿技术创新,包括代码智能(Code Intelligence)、智能体应用(LLM & Agents)、云原生(Cloud Native)、平台工程(Platform Engineering)、可观测(Observability)等,在双11等海量高并发的极端技术挑战下,构建下一代智能化工程架构。 团队秉承创新精神,在支持业务落地的同时推动技术进步。近三年来,我们在人工智能、软件工程、编程语言等领域的CCF A顶级会议上发表了40余篇论文,并两次获得蚂蚁集团技术最高奖T-Star及一次SuperMA大奖。我们的开源项目CodeFuse在GitHub上已获得超过8,000颗星标(截至2025年2月),并在Hugging Face和ModelScope上的模型累计下载量超过200万次。团队最新的Ling-Coder-Lite开源一周就获得3000+的下载,受到业界广泛认可。 参与蚂蚁集团的 AI 基础设施、平台、应用全栈系统的高可用设计,打造全球领先 AI 原生系统智能容灾与稳定性范式。 方向一、大模型系统韧性架构 - 突破分布式训练中的动态容错与自愈技术,保障超大规模参数模型的持续稳定性 - 构建多模态大推理场景下的智能容灾体系,实现服务能力的无损迁移与快速恢复 方向二、AI-Native 稳定性科学 - 研发大模型驱动的故障预测与决策系统,建立AI系统的自我诊断与修复能力 - 攻克异构算力环境下的服务一致性难题,设计自适应资源调度框架 方向三、前沿探索与范式革新 - 推进LLM与系统架构的深度协同,重构AI全栈系统的可靠性理论体系

logo of bytedance
社招A05310

1、负责字节跳动研发效能基于LLM的代码智能方向的算法策略研发和落地工作,业务场景包括但不限于 基于LLM的代码智能、数据推荐等; 2、跟踪基于LLM方向的最新研究成果,用以持续提升算法应用效果,研究方向包括但不限于LLM知识注入、LLM微调、LLM对指令和程序行为的理解等; 3、调研新技术,参与各类技术难题的攻关,沉淀技术能力和行业经验,与平台一起成长和发展。

更新于 2023-08-22