商汤26届AI领航员-研究院-算法研究员（超大模型AGI方向）
校招全职算法研究地点：北京状态：招聘
任职要求
1. 计算机、应用数学、模式识别、人工智能等专业在读硕士或博士； 2. 熟悉大模型领域，包括但不限于理解、解析及生成人类语言的算法和模型； 3. 具有良好的机器学习和深度学习基础，能够通过从大量的数据中学习来改进理解和回答问题的能力； 4. 良好的团队协作精神和沟通能力，能够与其他团队成员紧密合作。 加分项： 1. 在国际顶尖会议或期刊上发表过论文，如ACL、EMNLP、ICLR、NeurIPS、ICML等； 2. 代码力强劲。如获得过ICPC区域赛金牌、NOI金牌，或有较大影响力的开源项目。
工作职责
1. 负责研究并实现创新算法以解决大模型挑战问题，支持AI代码助手、AI办公、拟人角色扮演等大模型课题； 2. 强化学习算法探索：挑战人类能力。探索模型的语义理解与AI生成能力的极限，进行超大模型训练算法设计； 3. 从系统应用的角度，利用大模型的理论和方法来解决实际业务问题。
包括英文材料
模式识别+
https://www.mathworks.com/discovery/pattern-recognition.html
Pattern recognition is the process of classifying input data into objects, classes, or categories using computer algorithms based on key features or regularities.
https://www.microsoft.com/en-us/research/wp-content/uploads/2006/01/Bishop-Pattern-Recognition-and-Machine-Learning-2006.pdf
Pattern recognition has its origins in engineering, whereas machine learning grew out of computer science.
大模型+
https://www.youtube.com/watch?v=xZDB1naRUlk
You will build projects with LLMs that will enable you to create dynamic interfaces, interact with vast amounts of text data, and even empower LLMs with the capability to browse the internet for research papers.
https://www.youtube.com/watch?v=zjkBMFhNj_g
算法+
https://roadmap.sh/datastructures-and-algorithms
Step by step guide to learn Data Structures and Algorithms in 2025
https://www.hellointerview.com/learn/code
A visual guide to the most important patterns and approaches for the coding interview.
https://www.w3schools.com/dsa/
机器学习+
https://www.youtube.com/watch?v=0oyDqO8PjIg
Learn about machine learning and AI with this comprehensive 11-hour course from @LunarTech_ai.
https://www.youtube.com/watch?v=i_LwzRVP7bg
Learn Machine Learning in a way that is accessible to absolute beginners.
https://www.youtube.com/watch?v=NWONeJKn6kc
Learn the theory and practical application of machine learning concepts in this comprehensive course for beginners.
https://www.youtube.com/watch?v=PcbuKRNtCUc
Learn about all the most important concepts and terms related to machine learning and AI.
深度学习+
https://d2l.ai/
Interactive deep learning book with code, math, and discussions.
ICLR+
https://iclr.cc/
NeurIPS+
https://neurips.cc/
ICML+
https://icml.cc/
相关职位
校招算法研究
1. 多模态空间智能前沿研究： 紧跟领域前沿，深入研究提升多模态模型在空间智能领域的整体性能； 2. 下游任务验证：验证多模态空间智能模型在具身智能体中的作用； 3. 创新技术探索： 探索新的预训练和后训练范式，找到在空间智能领域可泛化的训练范。
更新于 2025-07-28
校招算法研究类
1. 多模态理解与生成算法研究： 紧跟领域前沿，深入研究多模态（图像、文本、视频）的理解与生成统一的核心算法； 2. 模型设计与优化： 负责多模态理解与生成模型的设计、训练、评估和优化，不断提升模型性能和泛化能力； 3. 创新技术探索： 探索新的预训练和后训练范式，发现和解决大模型靠单一模态难以解决的问题。
更新于 2025-07-28
校招算法研究
1. 实时视频生成算法研究： 紧密追踪并深入研究实时视频生成领域的最新进展，积极探索新的模型架构、训练范式、优化策略和硬件加速方案，实现并验证工业界可落地的方案； 2. 模型设计与优化： 负责实时视频生成模型的设计、训练、评估和优化，在保证视频质量的同时，大幅提升生成速度和计算效率； 3. 性能瓶颈分析与解决： 针对实时性要求，深入分析现有算法和系统的性能瓶颈，并提出有效的解决方案，确保视频生成流程的流畅与高效。
更新于 2025-07-28
校招算法研究
1. 负责大模型算法框架的研发，整体提升算法框架训练效率，跟进最近的训练技术； 2. 负责探索MOE、RLHF 等相关对齐技术，提升模型的最终效果； 3. 负责多模态模型和Function Call 模型的联合训练，整体优化多模态模型和语言模型联合训练。
更新于 2025-07-28