OPPOAI研究员（推理加速）
任职要求
上海方向： 1. 计算机科学、软件工程、人工智能等相关专业硕士。 2. 扎实的算法与数据结构基础，熟练掌握Python或C++语言，加分项：ACM/ICPC等编程比赛获奖者。 3. 熟悉主流大模型架构、训练/推理流程及加速方法。 4. 良好的科研能力。加分项：在AI系统顶会或期刊（MLSys、ASPLOS、OSDI等）发表过相关论文。 5. 强烈的技术热情与自驱力，具备优秀的逻辑思维与复杂问题拆解和解决能力。 深圳方向： 1. 计算机、人工智能、电子、自动化等相关专业，具有良好的数学和逻辑思维能力，具备主动学习…
工作职责
上海方向： 1. 开发和优化大模型推理系统。研究面向大语言模型、多模态模型、视觉生成模型的推理加速技术，不限于并行解码、稀疏注意力、采样优化等技术方向。 2. 跟踪学术界和工业界的最新推理加速技术，进行分析和优化，推进落地。 3. 进行大模型推理加速技术创新，发表高水平论文。 【岗位资源】 1. 真实大模型推理加速场景需求、AI大模型推理系统、计算资源 2. 与知名高校资深老师团队科研合作，提供例行科研沟通合作机会。 3. 业界资深研究员带队技术探索、落地、论文写作发表。 深圳方向： 1. 负责视觉类大模型训练与推理框架的研究与开发，支撑视觉多模态大模型训推加速。 2. 负责视觉类大模型推理引擎在GPU/TPU/PPU/NPU等异构卡上的适配与优化，研发高性能计算引擎技术。
上海方向： 1.开发和优化大模型推理系统。研究面向大语言模型、多模态模型、视觉生成模型的推理加速技术，不限于并行解码、稀疏注意力、采样优化等技术方向。 2.跟踪学术界和工业界的最新推理加速技术，进行分析和优化，推进落地。 3.进行大模型推理加速技术创新，发表高水平论文。 【岗位资源】 1.真实大模型推理加速场景需求、AI大模型推理系统、计算资源 2.与知名高校资深老师团队科研合作，提供例行科研沟通合作机会。 3.业界资深研究员带队技术探索、落地、论文写作发表。 深圳方向： 1. 参与或主导端云协同机器学习算法预研工作，跟进机器学习前沿发展； 2. 参与深度学习模型优化、压缩，设备端算法落地; 3. 指导和参与新技术与理论在实际业务中的落地应用； 4. 参与端云协同系统的研究落地转化，包括系统主要模块算法的设计、验证、实现和上线闭环，并在过程中沉淀对应学术成果。
【岗位职责】 1、开发和优化大模型推理系统。研究面向大语言模型、多模态模型、视觉生成模型的推理加速技术，不限于并行解码、稀疏注意力、采样优化等技术方向。 2、跟踪学术界和工业界的最新推理加速技术，进行分析和优化，推进落地。 3、进行大模型推理加速技术创新，发表高水平论文。
【岗位职责】 1、开发和优化大模型推理系统。研究面向大语言模型、多模态模型、视觉生成模型的推理加速技术，不限于并行解码、稀疏注意力、采样优化等技术方向。 2、跟踪学术界和工业界的最新推理加速技术，进行分析和优化，推进落地。 3、进行大模型推理加速技术创新，发表高水平论文。
Top Seed人才计划-豆包大模型研究实习生专项：面向 2025 年 9 月及以后毕业的博士及本硕在读同学，加入我们，你可以自主决定研究课题，与正式员工享受同等权限和资源，和优秀的研究员一起，向智能上限发起挑战。 团队介绍：字节跳动 Seed 团队成立于 2023 年，致力于寻找通用智能的新方法，追求智能上限。团队研究方向涵盖 LLM、语音、视觉、世界模型、基础架构、AI Infra、下一代 AI 交互等，在中国、新加坡、美国等地设有实验室和岗位。 Seed 团队在 AI 领域拥有长期愿景与决心，坚持深耕基础，期望成为世界一流的 AI 研究团队，为科技和社会发展作出贡献。目前团队已推出业界领先的通用大模型以及前沿的多模态能力，支持豆包、扣子、即梦等超过 50 个应用场景。 1、AI搜索总结Agent研发： 1）设计并实现基于LLM的搜索总结Agent，提升搜索结果的理解、推理与结构化总结能力； 2）探索LLM Reasoning技术（如思维链、多步推理），优化复杂查询的Deep Research模式，实现长文本理解与跨文档信息融合； 3）构建端到端系统，涵盖意图识别、知识检索、结果生成与偏好对齐，提升用户体验； 2、模型优化及应用： 1）通过指令微调（Instruction Tuning）、偏好对齐（RLHF/DPO）等技术优化模型在搜索场景的适应性； 2）探索多模态信息（文本、代码、结构化数据）融合的搜索与生成技术； 3）研究未来生活中的创新应用场景（如个性化知识助手、自动化研究工具），探索技术边界。