小米Agent 全栈研发工程师(前/后端)-MiMo
任职要求
任职要求 1. 熟悉现代前后端开发,具备扎实的 JavaScript / TypeScript 或 Python 基础,熟悉 React / Vue / Next.js / Node.js / FastAPI / Django / Flask 等至少一种主流技术栈。 2. 理解复杂软件工程的常见问题,包括组件设计、状态管理、路由、表单、权限、数据请求、API 设计、数据库交互、构建工具、测试和工程化。 3. 熟悉至少一种脚本语言,如 Python、JavaScript、TypeScript、Shell 等,能够快速开发工具、自动化脚本、任务执行框架或评测环境。 4. 具备良好的代码质量意识,重视可维护性、可测试性、可读性和工程规范。 5. 对大模型代码生成、AI Agent、工具调用、自动化任务执行或强化学习训练有兴趣,并愿意深入学习。 6. 具备较强的问题拆解能力,能够把复杂软件开发任务转化为清晰的训练样本、评测标准或工程实现方案。 7. 有良好的沟通协作能力,能够与算法、工程、产品等不同背景的团队成员高效合作。 加分项 1. 有复杂企业级系统开发经验,例如 SaaS、CRM、ERP、BI、低代码平台、流程引擎、数据分析平台、业务中台、开发者工具等。 2. 熟悉前后端测试体系,如 Jest、Vitest、Playwright、Cypress、Testing Library、Pytest、接口自动化测试、视觉回归测试等。 3. 有 AI Codin…
工作职责
MiMo 大模型团队正在寻找熟悉前后端工程和脚本语言的研发工程师,一起提升大模型在代码生成、复杂企业级软件开发,以及 Agent 框架构建中的能力。 这个岗位会横跨前端工程、后端服务、AI Coding、Agent Framework 和强化学习训练基础设施。你将参与构建真实软件工程任务、开发训练与评测环境、设计复杂企业级应用场景,并与模型训练、数据、评测团队协作,帮助模型更好地理解和生成高质量、可维护、可运行的工程代码。 工作职责 1. 设计和构建高质量前后端代码任务,用于提升模型的代码生成、代码修改、调试、重构和系统实现能力。 2. 针对复杂企业级软件场景,沉淀真实工程任务,包括后台系统、数据看板、工作流平台、权限管理、表单系统、API 服务、业务中台、低代码 / 配置化平台等。 3. 参与代码评测体系建设,设计可自动验证的 benchmark、单元测试、接口测试、端到端测试、视觉回归测试和交互行为验证。 4. 基于 JavaScript / TypeScript / Python 等脚本语言,参与 Agent 框架、工具调用框架、任务执行环境和强化学习训练环境的开发。 5. 构建用于 RL 训练的 Agent 任务环境,包括任务定义、状态反馈、奖励设计、执行沙箱、工具链集成、前后端联调与自动化验证等。 6. 分析模型在前后端代码生成、复杂工程实现和 Agent 任务执行中的失败案例,归因问题并设计改进数据、训练任务或评测方法。 7. 与模型训练、算法、产品和工程团队合作,将真实业务场景转化为可训练、可评测、可迭代的任务体系。
岗位职责: 1、负责 AI Agent 系统的设计、开发和优化、开发和完善基于大语言模型 (LLM) 的智能体系统,提升 Agent 的自主决策和任务执行能力; 2、负责生成式大模型指令意图理解相关工作,整体提升大模型的多轮对话指令理解能力和性能; 3、设计并实现 Agent 的工具使用接口,实现与各类外部系统和 API 的集成编排; 4、负责大模型在检索、推荐方面的系统设计实现和优化,探索Agent、RAG、领域模型调优等相关技术在业务场景落地; 5、具备模型知识、幻觉机制探究,提升模型知识水平、降低模型幻觉率; 6、能够基于开源模型,设计和开发算法,对模型进行微调,优化其参数和结构,以提高模型的泛化能力和准确性; 7、深入调研AI领域相关的前沿技术,跟踪业内大模型领域的最新进展,并寻求将最新技术应用到产品的可能性。
1.参与基于多模态大模型的GUI智能化能力的设计开发,实现多端(web/安卓/ios/鸿蒙/小程序)大模型手眼配套能力全覆盖; 2.跟踪业界前沿技术发展,参与大模型应用评测、企业内部场景化落地、GUI智能体建设等;
我们正在寻找一位具有AI智能化及内容算法经验的算法团队负责人。负责领导团队开发前沿技术,推动旅游领域知识的构建,支持内容产品的分发和AI Agent结合的创新应用探索,提升公司产品的智能化水平。 : 领导并管理内容算法团队,制定技术战略和发展方向,推动知识构建、知识编译、知识分发、探索LLM等创新NLP技术与Agent业务的结合。 1、负责基础NLP相关算法研发,面向但不限于:预训练,文本理解,同义词挖掘,实体识别,term权重分析,属性词挖掘 2、结合NLP和深度学习技术,推动领域知识的构建与优化,制定各环节Benchmark及衡量标准, 跟进业界先进大模型、多模态技术的应用及改进 3、发现并解决推荐分发场景中的意图识别、排序模型、相关性等方向的问题,召回策略和召回模型的优化,开发先进和高性能的召回算法 4、与产品、数据、工程等跨职能团队协作,推动技术落地和产品迭代。 5、负责团队成员的技术指导和能力提升,推动团队技术文化的建设。