logo of amap

高德地图AI Agent算法工程师-AI项目实习生

实习兼职高德研究型实习生地点:北京状态:招聘

任职要求


职位要求
在校硕/博士,计算机科学、人工智能、自然语言处理等相关专业,实习时间6个月以上;
熟练使用PyTorch / TensorFlow等主流框架,具备GPTLLaMA等大规模语言模型训练、微调与性能优化实战经验;
至少满足以下任一技术栈的深度实践:
检索增强生成(RAG)、Agent架构、搜索/推荐算法 
Prompt Engineering、强化学习微调对齐技术,并在搜索场…
登录查看完整任职要求
微信扫码,1秒登录

工作职责


职位描述
跟进AI Agent领域最新技术动态,围绕LLM大模型、Agent框架、LLM Reasoning技术(如思维链、多步推理)、优化复杂查询的Deep Research模式、长期记忆机制、自动化数据合成、指令微调(Instruction Tuning)、偏好对齐(RLHF/DPO)等技术,持续推动算法创新与落地。
开展LLM Agent技术研发,构建端到端Agent系统,涵盖意图识别、知识检索、结果生成与偏好对齐,推动相关技术研究与算法落地,提升用户体验。
包括英文材料
NLP+
PyTorch+
TensorFlow+
GPT+
Llama+
RAG+
AI agent+
算法+
Prompt+
还有更多 •••
相关职位

logo of ximalaya
实习

"一、岗位职责 1. 参与公司 AI Agent 应用的研发与优化,方向涵盖多智能体系统、内容生成、语义理解等; 2. 协助设计与实现大语言模型(LLM)应用的核心流程,包括 Prompt 设计、RAG 检索增强、上下文管理与工具调用; 3. 参与 AI 数据链路建设,负责数据采集、清洗与结构化,为业务提供高质量数据支持; 4. 协助模型效果评估与实验复现,参与指标设计、A/B 测试与性能监控,持续提升模型表现与稳定性; 5. 与前后端工程师、产品经理及算法紧密协作,共同推进 AI 工具、应用与多智能体项目的落地。

更新于 2025-10-29上海
logo of kuaishou
实习D13925

1、参与智能创作Agent核心系统的研发与迭代,学习如何融合多模态理解、交互与生成能力,探索AI在内容创作中的应用场景; 2、协助搭建创作领域的多模态认知体系,结合行业知识库,理解镜头美学、剪辑节奏、叙事逻辑等要素,支持图片/视频/音乐生成模型的优化与应用; 3、参与大模型后训练相关探索(如SFT、RLHF 等),通过高质量数据合成、指令设计、偏好对齐等方法,提升Agent的长推理和复杂规划能力; 4、参与Agent相关核心模块的开发与实验,包括任务编排、工具调用、多Agent协作、长期记忆和个性化能力探索。

更新于 2025-09-30北京
logo of amap
实习高德研究型实习生

【团队介绍】 聚焦大模型与高德核心业务的深度融合。围绕用户出行、搜索、导航、POI发现、行程规划等亿级流量场景,我们探索如何通过大语言模型(LLM)、多模态大模型、强化学习与推荐系统的协同创新,提升用户交互体验与业务转化效果。 【岗位职责】 1. 参与高德地图 AI 对话 Agent 相关算法研发,包括对话理解、任务规划、工具调用、多轮对话管理等; 2. 探索大模型在地图场景下的应用,如 Prompt 工程、RAG、SFT、RL Training、Agent 框架优化等; 3. 协助构建高质量对话数据集,参与模型训练、评估与上线迭代; 4. 跟踪前沿技术,复现并改进相关方法,推动技术创新。

更新于 2025-10-23北京
logo of alibaba
实习阿里国际2026

关于我们: AI Business 成立于2023年4月,是阿里国际数字商业集团设立的一层业务组织,专注于大模型技术能力建设和 AI 原生应用和产品的打造,旨在用最先进的 AI 技术重塑平台竞争力,为商家和用户带来极致电商体验。 作为跨境电商领域的 AI 先锋,我们坚定地相信人工智能对塑造未来电商的关键作用,并坚持对 AI 领域人才的培养和发展。我们已经汇聚了业内顶尖的 AI 算法专家、AI 工程师和AI产品团队,并诚挚邀请有共同使命感、追求创新与卓越的 AI 人才加入我们的团队,共同用AI技术书写数字商业领域的新篇章。 职位描述: 1、负责多语言大语言模型(LLM)的预训练、微调及优化,探索高效训练策略(如低资源语种能力迁移、任务调度优化等),提升模型性能与跨文化场景适应性; 2、构建多模态大模型技术体系,包括图文生成、视频内容生成、多模态检索与信息抽取,支持商品虚拟试穿、智能客服等业务场景。 3、推动大模型与业务深度融合,开发基于LLM的对话系统、Agent产品及RAG系统,优化电商文本生成、跨语言信息匹配、时间序列预测等场景的智能决策能力; 4、设计强化学习对齐算法(如RLHF/DPO),提升模型在垂直领域(如商品推荐、用户交互)的精准度与可控性。 4、实现大模型的高效推理部署,包括模型压缩量化、GPU并行计算优化(如CUDA加速),确保高并发场景下的服务稳定性; 5、探索生成式AI与电商场景结合的前沿技术(如AIGC内容生成、多模态商品检索),推动技术规模化落地。

更新于 2025-03-21杭州