蔚来校招-AI大模型应用研究员/工程师（Applied AI researcher / engineer）
任职要求
- 硕士以上学历，车辆工程、电气工程、通信工程、计算机，电气工程自动化、电子电力工程、车辆工程、机械设计等相关专业； - 熟悉整车电子电器架构开发工作，了解架构开发方法和工具； - 熟悉系统工程流程和方法；精通UML/SysMIL建模工具的优先； -…
工作职责
负责根据整车体验需求、法规和平台化要求，定义整车功能和非功能需求； - 负责编制相关功能域的功能列表，功能需求（包括法规需求，使用场景等）以及功能实现系统级架构方案； - 负责设计子系统功能方案并编写子系统功能规范，定义系统功能间接口； - 负责设计SOA服务功能方案并编写SOA服务功能规范，定义SOA服务接口； - 对标主流车型，获取前瞻、主流的功能开发趋势； - 参与并支持整车网络架构设计； - 配合总线开发、线束原理、功能安全等进行相关专业设计。
Seed 大模型人才校招，是字节跳动 Seed 面向高校人才推出的招聘项目。我们始终相信，真正重要的技术进步来自对高难度问题的持续挑战。面对 AI 时代的巨大机遇，Seed 团队并不止步于模型迭代，而是选择进入技术深水区，推进下一代 AI 范式突破，不断探索智能的边界与上限。 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，为科技和社会发展作出贡献。 Seed 团队在 AI 领域拥有长期愿景与决心，团队研究方向涵盖 MLLM、GenMedia、AI for Science、机器人等，在中国、新加坡、美国等地设有实验室和岗位。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、即梦、TRAE 等超过 50 个应用场景，并通过火山引擎开放给企业客户。第三方数据显示，豆包 App 用户量在中国市场排名第一，豆包大模型日均 Token 调用量行业领先。 1、建设豆包AI搜索，搭建完整RAG功能的LLM搜索引擎； 2、针对LLM搜索中的各个环节，如联网检索、大模型推理进行优化； 3、设计和搭建在离线个性化AI搜索能力，实现对用户更准确的问答； 4、持续建设更灵活、合理、功能更强大的架构以保障快速发展的业务可以高效达成。
Seed 大模型人才校招，是字节跳动 Seed 面向高校人才推出的招聘项目。我们始终相信，真正重要的技术进步来自对高难度问题的持续挑战。面对 AI 时代的巨大机遇，Seed 团队并不止步于模型迭代，而是选择进入技术深水区，推进下一代 AI 范式突破，不断探索智能的边界与上限。 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，为科技和社会发展作出贡献。 Seed 团队在 AI 领域拥有长期愿景与决心，团队研究方向涵盖 MLLM、GenMedia、AI for Science、机器人等，在中国、新加坡、美国等地设有实验室和岗位。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、即梦、TRAE 等超过 50 个应用场景，并通过火山引擎开放给企业客户。第三方数据显示，豆包 App 用户量在中国市场排名第一，豆包大模型日均 Token 调用量行业领先。 1、下一代搜索问答Agent构建 1）设计基于LLM的端到端智能问答系统，覆盖意图理解、查询改写、检索增强、多源信息融合与高质量答案生成； 2）探索Deep Research能力，解决复杂问题、多轮对话与跨文档推理场景； 2、模型能力演进与前沿探索 1）推动Reasoning能力落地（CoT/多步推理/自我反思与验证），提升复杂问题求解能力； 2）探索RL Scaling、多目标优化等前沿方向，持续提升模型智能上限； 3）构建Agentic能力，打造具备自主决策能力的智能系统； 3、高价值场景落地如电商/本地生活等 1）打造从“信息获取→理解→决策”的一体化体验（如商品对比、导购推荐、生活服务决策）； 2）融合结构化数据与实时信息，实现多模态、多源知识协同推理； 4、评测体系与工程闭环建设 1）构建覆盖真实性、时效性、权威性、相关性与用户体验的评测体系； 2）打通数据-模型-系统优化闭环，持续提升效果与工程效率。
1.大模型微调与优化 基于业务场景需求，主导7B/14B等参数量级大模型的微调全流程，涵盖数据清洗、算法选择（如LoRA/QLoRA）、量化压缩（INT4/INT8）及部署优化 设计参数高效微调方案，优化模型推理效率与成本，推动RAG技术栈（向量数据库/检索增强）在业务中的落地 跟踪前沿技术（如Diffusion模型、多模态微调），探索模型轻量化与领域适配的创新方案 2.AI Agent开发与系统集成 构建基于LLM的智能体架构，实现任务规划、记忆管理、工具调用等核心功能，开发符合业务逻辑的Agent交互系统 集成LangChain、LlamaIndex等开发框架，实现AutoGPT式自主决策能力，优化Agent在复杂场景下的鲁棒性 推动Agent与数字孪生、数字员工等技术的融合，提升工业检测、智能客服等场景的自动化水平 3.客户需求转化与方案落地 深度参与客户需求分析，将业务场景（如制造、金融、医疗）转化为可执行的AI技术方案，提供端到端咨询服务 输出技术文档与API接口，支持跨部门协作与客户侧的技术培训 监控模型生产环境表现，针对客户反馈持续迭代优化，确保SLA达成与成本可控
1.大模型微调与优化 基于业务场景需求，主导7B/14B等参数量级大模型的微调全流程，涵盖数据清洗、算法选择（如LoRA/QLoRA）、量化压缩（INT4/INT8）及部署优化； 设计参数高效微调方案，优化模型推理效率与成本，推动RAG技术栈（向量数据库/检索增强）在业务中的落地； 跟踪前沿技术（如Diffusion模型、多模态微调），探索模型轻量化与领域适配的创新方案。 2.AI Agent开发与系统集成 构建基于LLM的智能体架构，实现任务规划、记忆管理、工具调用等核心功能，开发符合业务逻辑的Agent交互系统； 集成LangChain、LlamaIndex等开发框架，实现AutoGPT式自主决策能力，优化Agent在复杂场景下的鲁棒性； 推动Agent与数字孪生、数字员工等技术的融合，提升工业检测、智能客服等场景的自动化水平。 3.客户需求转化与方案落地 深度参与客户需求分析，将业务场景（如制造、金融、医疗）转化为可执行的AI技术方案，提供端到端咨询服务； 输出技术文档与API接口，支持跨部门协作与客户侧的技术培训； 监控模型生产环境表现，针对客户反馈持续迭代优化，确保SLA达成与成本可控。