logo of dingtalk

钉钉钉钉-大模型算法工程师-钉钉AI搜索

社招全职3年以上技术类-算法地点:杭州状态:招聘

任职要求


1. 三年以上算法经验,熟悉大规模预训练、模态对齐等相关技术,有优秀的编程和算法基础,熟悉python/java/c++等主流编程语言中的一种;
2. 熟悉常见大语言模型如Qwen、LLama、GLM等开源模型和多模态大模型,有基座/垂域大模型微调和应用经验;
3. 熟悉常用的机器学习算法以及常见的深度网络架构,熟悉NLP相关任务,对文本分类、语义分析、情感分析、NER等至少一方面有经验,有RAG、planning相…
登录查看完整任职要求
微信扫码,1秒登录

工作职责


1. 负责搜索场景LLM的研发,深入分析客户需求,清洗和构建各种微调数据,通过continue pretrain、SFT、RLHF等微调技术训练专属大模型;
2. 基于场景探索大小模型协同的最佳实践,打造普惠方案,提升场景业务效果及用户体验;
3. 负责基于LLM的Agent、CoT、RAG等相关技术研发,以及前沿技术跟进与创新。
包括英文材料
算法+
Python+
Java+
C+++
Llama+
大模型+
机器学习+
NLP+
RAG+
还有更多 •••
相关职位

logo of dingtalk
社招3年以上技术类-开发

1. 负责钉钉AI业务的服务端系统的架构及研发,钉钉AI业务高速增长,团队机会多来来发展空间大; 2. 主导业务方梳理业务需求,提供系统架构设计方案,并能根据方案推进研发工作开展,对现存或未来系统进行宏观的思考,规划形成统一的框架、平台、体系或组件。

更新于 2025-08-18杭州
logo of dingtalk
校招钉钉2026届秋

1. 行业垂直大模型训练与优化:负责针对特定行业进行垂直大模型的端到端训练与精调,深度挖掘行业数据价值,构建具备专业知识壁垒的AI核心能力。 2. 前沿技术探索与落地: 跟踪大语言模型、多模态及强化学习等前沿算法,并将其创造性地应用于钉钉的核心业务场景(如行业解决方案、商业化产品等),负责从技术到产品的全链路落地,持续推动AGI在真实世界中的价值实现。 3. AI原生应用构建: 依托钉钉强大的AI平台与自研的垂直大模型,主导构建AI原生应用。重点方向包括但不限于:高级认知搜索、可自主执行任务的智能体 (Agentic AI)、以及深度内容洞察与生成工具,打造具有核心用户价值和行业影响力的产品。 4. 智能化场景创新: 探索大语言模型、多模态及扩散模型等技术,在搜索、推荐、广告等场景的创新应用,设计并实现新一代智能化解决方案,提升用户体验与商业效率。

更新于 2025-10-16杭州
logo of dingtalk
社招3年以上技术类-开发

1、负责钉钉文档/多维表业务的服务端系统的架构及研发; 2、主导业务方梳理业务需求,提供系统架构设计方案, 并能根据方案推进研发工作开展; 3、对现存或未来系统进行宏观的思考,规划形成统一的框架、平台、体系或组件。

更新于 2025-11-24杭州
logo of dingtalk
社招3年以上技术类-算法

钉钉正在全面拥抱多模态AI,正在致力于将视觉大模型、边缘智能与实时视频分析深度融合,赋能智能零售、智慧工厂、智能交通等多个行业。我们拥有强大的工程化能力和创新研发氛围,期待志同道合的技术精英加入,共同推动视觉AI落地千行百业。 我们正在寻找在视觉AI领域具备真正工程化落地经验的技术人才,你将参与公司核心视觉AI系统的研发与优化,负责从算法设计、模型训练到高性能部署、大规模流式处理的全链路技术实现。具体职责包括: 1. 视觉大模型与算法开发 ○ 负责视觉大模型的后训练(Post-training)优化,包括微调、蒸馏、量化、剪枝等,提升模型在实际场景中的泛化能力与效率。 ○ 开发端侧视觉大模型,针对边缘设备进行轻量化设计与部署。 ○ 设计并实现传统CV算法(如目标检测、跟踪、姿态估计、图像增强等)与深度学习模型的融合方案。 ○ 构建视觉嵌入生成与特征提取模型,支持跨模态检索、相似性匹配等应用。 ○ 能根据实时性、性能、成本等多维约束,设计合理的算法组合与技术路线,实现最优落地效果。 ○ 在行业专家的指导下完成高质量的数据清洗和标注,建立多行业多场景的视觉AI评估框架 2. 高性能推理部署与优化 ○ 基于不同算法特性,选择并实施高并发、大吞吐的推理部署方案,熟练使用以下技术栈: ■ 推理框架:Triton Inference Server、ONNX Runtime、TensorRT ■ 部署平台:KServe + Triton / KServe + vLLM ○ 实现模型的动态批处理、自适应推理、低延迟响应,优化端到端服务性能。 ○ 负责模型格式转换、算子优化、硬件适配(GPU/TPU/NPU)及性能调优。 3. 分布式视频流处理系统构建是加分项 ○ 构建高可用、可扩展的分布式视频流处理 pipeline,支持多路视频流的实时接入与处理。 ○ 基于 Kafka + Flink 实现视频帧的流式消费、分发与状态管理。 ○ 完成视频数据的实时AI推理、结果聚合、元数据落盘,并与下游系统无缝集成。 ○ 保障系统在高负载下的稳定性、容错性与可监控性。 4. 跨团队协作与技术沉淀 ○ 与产品、业务、后端及硬件团队紧密协作,推动AI能力在真实业务场景中的落地。 ○ 输出技术文档、最佳实践,参与构建公司级AI工程化平台与工具链。

更新于 2025-12-05杭州