logo of quark

夸克千问事业部-Omni全模态大模型算法专家-杭州/北京

社招全职1年以上技术类-算法地点:北京 | 杭州状态:招聘

任职要求


1. 计算机科学、人工智能、机器学习、语音处理或相关领域硕士及以上学历。
2. 具备大模型、对话系统、多模态模型或语音交互方向研发经验,对实时对话式 AI 产品有较深理解,具备较强的工程落地与问题抽象能力。
3. 在以下一个或多个方向具备扎实经验:大模型后训练与对齐技术(如 SFTRLHF、RLAIF、DPO、Online RL 等)、Omni/多模态模型训练优化、…
登录查看完整任职要求
微信扫码,1秒登录

工作职责


全面负责定义、设计并实现下一代实时音视频通话 AI 应用的核心模型能力与交互体验,围绕 Omni 多模态模型在实时对话场景中的落地,重点攻坚模型后训练、数据构建与评测体系等关键问题,持续提升模型在聊天、问答、生活办事等场景下的自然度、智能性、趣味性与任务完成效果。您将直接参与塑造面向海量用户的实时 AI 通话体验,推动 AI 从“能回答”走向“更像真人、更懂用户、更会互动”的下一代产品形态。
【工作职责】
1. 结合实时音视频通话场景中的用户需求与交互特点,定义模型能力目标与体验标准,制定后训练与效果演进方案,持续优化响应速度、表达自然度、理解准确性与任务完成效果。
2. 围绕 Omni 多模态模型开展 Post-training 工作,包括 SFT、RL、数据配比优化、训练目标设计与策略迭代,提升模型在多轮对话、上下文理解、情绪感知、口语表达等方面的能力。
3. 构建实时 AI 通话场景的数据与评测体系,覆盖聊天、问答、生活服务等核心场景,建设监督数据、偏好数据、强化学习数据及线上回流样本,建立可量化的效果评估标准并驱动持续优化。
4. 面向真实产品链路中的复杂问题,优化模型在打断恢复、上下文衔接、模糊意图理解、口语化问答、多模态信息融合等场景下的表现,并与产品、工程、语音、评测等团队协同推动落地。
包括英文材料
机器学习+
学历+
大模型+
SFT+
RLHF+
还有更多 •••
相关职位

logo of aligenie
社招3年以上技术类-开发

1. 负责大模型数据研发方向,为LLM、VLM、ASR、TTS及omni model的训练供给优质语料数据,推动各业务场景提升模型训练效果; 2. 与算法团队协同、搭建各模态数据处理pipeline,利用业界先进技术对数据进行清洗、去重、打标、标注、圈选、打包,交付优质数据进行模型训练,提升整体交付效率和数据质量; 3. 与数据采集团队协同,推动前沿数据获取策略的研发与落地,探索合成数据技术,主动解决特定领域或模-态的数据稀缺与多样性挑战; 4. 构建各模态数据分类&质量体系及数据画像,对数据进行多维度、细粒度分析,基于模型训练效果反馈进行数据挖掘,指导数据收录优化方向,构建数据飞轮。

更新于 2026-04-06北京|杭州
logo of amap
社招2年以上技术类-开发

1、负责高德出行场景(驾车,骑行,步行)的大模型应用框架开发,构建高可用、低延迟的分布式系统; 2、负责优化Agent决策引擎、任务调度、多模态数据处理等模块的性能与稳定性; 3、负责搭建Agent与外部系统(如数据库、API、第三方服务)的高效通信机制; 4、负责保障大模型应用系统架构的稳定、高效运行,帮助业务优化性能和改善系统稳定性; 5、负责协调业务资源,与大模型算法和数据源服务等团队协作,保障项目有效落地和需求高效交付。

更新于 2025-12-02北京
logo of kuaishou
社招D4870

1、负责快手国际化Push相关的算法研发、优化工作,运用策略和算法手段促进用户增长; 2、负责Push推荐系统的搭建以及相关算法落地,面对亿级别的用户群体情况下实现Push的个性化匹配,做到千人千面; 3、负责Push的算法、策略的设计,并直接参与Push场景下推荐系统的全链路开发与优化,包括但不局限于触发、召回、粗排、精排、下发策略等阶段; 4、从海量数据中挖掘用户消费行为、社交关系网以及运营热点实现Push内容池的搭建。

更新于 2025-04-09北京
logo of alibaba
社招2年以上

团队背景:淘宝文本搜索算法团队是淘天集团内专注于创新和优化搜索技术的核心团队。我们的任务是通过持续研发高效、精准的搜索算法,以提升用户的在线购物体验和满意度,进而推动电商平台的商业成功。 工作职责 1. 和淘宝电商搜索业务紧密结合,设计和改进机器学习模型的架构,实现高效的搜索大型模型训练和推理系统(特别是大规模语言模型,GPT、LLaMA、通义千问等),确保其高效性和准确性,以提高计算性能和加速模型收敛 2. 进行搜索在线模型的性能分析和调优,识别和解决瓶颈问题,提高模型的训练和推理速度,以适应并充分利用硬件资源,确保在高效计算资源利用的前提下,提供快速响应的搜索业务体验 3. 应用不限于剪枝、量化、知识蒸馏、分布式计算(数据并行、模型并行、混合并行)等技术来优化模型的复杂度和运行速度,同时探索模型在样本、训练、存储和推理的极致性能 4. 和工程团队协同,实施并维护自动化工具和流程,以简化和加速模型训练和推理的部署过程 5. 研究最新的机器学习和深度学习技术,跟踪最新的研究进展和技术趋势,提出改进和创新的想法,推动团队的技术发展,并将其应用到淘宝搜索生产环境中 6. 参与设计和优化淘宝整体搜索系统,包括多阶段漏斗设计和整体链路设计,确保系统的稳定性和高效性

更新于 2026-02-04北京|杭州