🎓 看看校招

1、页面开发：根据业务方的需求，利用现有的框架和库，完成业务需求的页面功能交付，如登录页面、菜单导航、数据表单等; 2、系统维护升级：针对已存在的B端系统进行维护和升级，处理旧代码中的bug和兼容性问题； 3、数据展示与操作优化：优化B端系统中的数据展示方式和操作流程，使数据更加直观、易于理解，操作更加便捷; 4、开发文档的维护更新：针对当前已经完成的项目，梳理并完善已有开发文档。提升文档阅读性。

我们是谁？ 我们是小红书社区内容运营部 ，我们不只是运营者，更是社区里的内容共创者！ 每一天，我们都在倾听真实世界的脉搏，捕捉每一个闪闪发光的用户需求。 和数亿社区居民站在一起👫，我们一起发现生活里的小确幸、大美好—— 从探店踩点到好物测评，从技能干货到情感共鸣… 让每一份真实的分享，都变成照亮他人的灵感✨。 我们的使命？ 激发有价值的内容诞生，连接每一个热爱生活的你！ 在这里，每一个「小社区」的故事，都能让更多人看见「大世界」的精彩 🌍。 加入我们，一起记录生活，也创造生活！ 你会来做什么？ 1、参与影视综项目全流程，策划综艺/剧集爆款内容，从视频、设计图文、创意二创…用你的脑洞让好内容被看见； 2、挖掘名场面、明星趣梗等激发用户讨论，感受真人讨论场的狂欢； 3、维护优质作者，协助对接明星团队、影视公司，建立娱乐圈关系网。

1、三维模型渲染：利用WebGL技术进行3D小区孪生项目的三维模型渲染，应用倾斜摄影技术开发移动web端的高精度三维模型，实现三维模型的实时渲染和动态交互； 2、参数化建模：负责孪生或家装领域的三维模型参数化设计和建模，开发模型动画渲染效果，提高用户交互体验。与产品团队合作，优化模型的视觉表现和用户体验； 3、技术研发：研究和应用最新的三维图形技术和工具，如高斯渲染技术、visionPro头盔等。撰写技术文档，并为团队提供技术支持和培训。参与项目规划和需求分析，提供技术解决方案； 4、数据处理与分析：处理和分析倾斜摄影及其他三维数据源，确保模型精确度。开发和优化数据处理管道，提升模型渲染效率； 5、跨部门协作：与研发、设计、产品等团队协作，推动项目顺利进行。参与客户需求讨论，提供技术咨询和支持。

在雷火，你可以和国内外顶尖游戏制作者一起，将你脑海中刺激的战斗场面在游戏中实现，不断打磨升级，创造前所未有的战斗手感和极致的战斗表现力。 1、设计战斗机制：参与设计基础战斗机制、技能以及维护战斗的平衡； 2、扩展战斗玩法：创造并改进玩法，并丰富玩家体验内容； 3、提升战斗表现：协同程序、美术相关团队进行战斗表现的制作，优化战斗手感提升战斗表现力。

-百度闭环电商是百度基于自身平台优势推出的兴趣电商业务，为电商客户提供长效经营推广能力、为用户提供视频/直播推荐等内容电商服务。广告技术方向包括商品&主播推荐召回/CTCVR建模/GMV预估/出价机制/智能投放策略/NLP/AIGC等深度学习方向。明星业务，发展迅猛，机不可失，先到先得。 -基于大规模用户行为，以广告收入业务效果为目标，负责在线广告检索系统和投放产品的核心技术创新与算法优化； -应用机器学习等尖端技术，针对海量信息建模，挖掘潜在电商商业价值； -深入了解电商行业变现玩法，打磨优化内容电商变现策略。

轮岗期间的工作地以北京为主，会在集团内各个业务进行轮岗学习，通过轮岗学习建立对业务全流程的视角和理解，有利于产品和技术在真实数据和商业环境中的落地；集训&轮岗半年后将会定岗至各BGBU的算法开发岗位，届时将结合公司需求和个人意愿，确认具体的部门岗位和工作地。

移动客户端开发工程师在团队中担任着移动端软件架构设计、功能实现与优化的重要角色，公司的服务通过你的作品呈现给用户，对拓展新业务、完善产品功能体验和提升市场占有率至关重要。 1、负责手机、平板电脑、手表、车机等移动客户端软件的架构设计和功能开发； 2、负责移动客户端的性能优化，提升用户体验； 3、负责客户端基础组件及基础架构研发，提升研发效率； 4、负责改进客户端稳定性和安全性，减少系统漏洞和故障； 5、追踪学界及业界新技术，如大模型、深度合成、VR等，探索新技术在业务中的应用。

研究方向一：大模型分布式后训练技术 1.样本IO吞吐优化：使用多线程读取、数据管道流水线编排、数据压缩等技术，实现分布式环境下高性能的样本IO pipeline； 2.计算图编译与高效执行：通过图编译、Kernel优化、算子融合等手段，提升计算图的执行效率； 3.高性能并行训练：包括DP/TP/PP/SP/CP/EP等并行策略及其他训练超参数的自动寻优，故障自动恢复，弹性计算等； 4.强化学习训练效率优化：通过rollout速度优化、多模型多阶段流水线编排、负载均衡等手段优化RL训练效率。 研究方向二：大模型推理加速技术 1.负责实现和优化大模型在线推理系统，提升推理性能，包括不限于：架构设计、算子开发、通信优化等； 2.研究并实现各种模型推理加速手段如并行策略（DP/TP/PP/EP/CP）、混合精度、MOE、FP8等技术，加速模型推理速度； 3.设计和开发高效的离线、在线推理系统，优化SGLang、vLLM等推理框架，加速整体推理性能； 4.关注跟进最新的AI Infra进展，并高效的将最新的技术应用到实际业务中。

作为蚂蚁集团的核心大模型部门，我们专注大语言模型的技术攻坚与创新突破，致力于推动通用人工智能（AGI）技术的实质性进展。团队聚焦LLM后训练方向，包括模型对齐、高阶推理、安全可控等，持续完善智能系统的认知深度与可靠性。目前部门拥有数万张显卡资源，并且仍在持续加大投入，为探索模型能力边界提供坚实的保障。在追求AGI的道路上，我们始终秉持蚂蚁集团的技术务实基因，通过扎实的底层创新推动智能技术的产业落地。 1. 研发万亿参数LLM基模架构：大语言模型（LLM）后训练（post-train）全流程优化，设计高效分布式训练方案，进行十万亿token级别的超大规模训练，包括但不限于通用能力提升、安全对齐等方向； 2. 奥赛级别的LLM各项能力建设，迈向真正的AGI：前沿的高效强化学习算法设计，实现并应用SFT/RLHF/DPO/PPO/GRPO等算法，研发训推一体的大规模强化学习训练框架，探索多目标奖励模型、过程监督等前沿技术，提升模型在指令遵循、逻辑推理、多任务泛化等方面的性能； 3. 扩大工业与学术影响力：开源LLM模型及核心技术，发表顶会论文，贡献核心开源项目。

1、参与电影和演出票务产品的Web系统开发，完成系统设计、代码开发和上线等研发工作； 2、参与技术架构的改进及优化，参与团队技术基础设施建设和升级； 3、参与产品的设计和改进，致力于通过技术改善用户体验； 4、研究和探索前沿技术，并能使用到工作当中，通过技术创新驱动业务发展。

城市内工作区域：黄石港区、西塞山区、下陆区、铁山区 职位描述： 1. 拓展新商户及维护老商户，与商户建立长期稳定的区域商户关系； 2. 了解并根据商户需求，制定个性化营销方案，与商户谈判并达成合作； 3. 执行公司的营销策略和政策，达成业绩目标； 4. 能迅速发现问题，并持续优化策略和计划； 5. 及时处理来自商户的投诉，反馈、建议等，以提高商户的满意度。

1. 构建支持多感知任务的视觉主干模型（ViT/ConvNeXt 变体），支持BEV与多视角输入； 2. 研究多任务感知结构的共享编码器与分离解码器设计，提升特征共享能力与下游性能； 3. 研究多任务联合训练策略与自监督学习机制，如World model、Masked Modeling、contrastive alignment、BEV pretrain； 4. 在Occupancy、Occ Flow、Depth等方向构建高质量训练集，支持无标签预训练与有限标签适配。 【课题名称】 视觉Foundation Model 【课题内容】 研究构建统一、可泛化、可压缩的视觉感知基础模型，以支持多种下游自动驾驶任务（Depth、Semantic、Optical Flow、Occupancy、Occupancy Flow）同时学习并共享表征。该方向侧重视觉模态自监督学习，通过MAE/diffusion等手段构建可迁移感知主干，具备跨任务迁移、零样本适配能力，显著提升感知系统的通用性与数据效率。

团队介绍：字节跳动搜索团队主要负责抖音、国际化短视频、今日头条、西瓜视频等产品以及电商、生活服务等业务的搜索算法创新和架构研发工作。我们使用前沿的机器学习技术进行端到端建模并不断创新突破，同时专注于分布式系统、机器学习系统的构建和性能优化，从内存、Disk等优化到索引压缩、召回、排序等算法的探索，充分给同学们提供成长自我的机会。主要工作方向包括：1、探索前沿的NLP技术：从基础的分词、NER，文本、多模态预训练，到业务上的Query分析、基础相关性等，全链路应用深度学习模型，每个细节都充满挑战；2、跨模态匹配技术：在搜索中应用CV+NLP深度学习技术，实现多模态视频搜索强大的语义理解和检索能力；3、大规模流式机器学习技术：应用大规模机器学习，解决搜索中的推荐问题，让搜索更加个性化更加懂你；4、千亿级数据规模的架构：从大规模离线计算，分布式系统的性能、调度优化，到构建高可用、高吞吐和低延迟的在线服务的方方面面都有深入研究和创新；5、推荐技术：基于超大规模机器学习技术，构建业界领先的搜索推荐系统，对搜索推荐技术进行探索和创新。 课题介绍：随着大模型技术的快速发展，智能搜索领域迎来了新的机遇和挑战。传统搜索技术在面对海量数据、多模态信息以及用户复杂需求时，逐渐暴露出模型容量不足、语义理解能力有限、资源利用率低等问题。基于大模型的智能搜索构建旨在通过引入大模型技术，提升搜索系统的智能化水平，优化用户体验，并解决超大规模检索、复杂语义理解、资源高效利用等核心问题。具体目标包括： 1、探索大模型与排序算法的结合，提升个性化排序的精度和用户体验； 2、研究生成式检索算法，解决百亿乃至千亿级别候选库的超大规模检索问题； 3、利用大语言模型（LLM）提升复杂多义Query的搜索满意度。 1、参与搜索引擎（策略、模型）研发工作，支持抖音/今日头条/电商/番茄小说/红果短剧等具有数亿用户的产品，致力于为数亿用户提供数千亿精准搜索结果，打造极致的搜索体验； 2、探索前沿技术，探索大模型等创新技术在AI搜索场景的落地，参与搜索引擎、搜索大模型的改进，包括而不限于： 1）NLP、大模型：构建大规模高质量数据（数据建设、数据抓取与解析、数据合成等）、分词、NER，文本、多模态预训练、Query分析、基础相关性等，全链路结合应用机器学习/深度学习模型，探索搜索引擎与大模型、LLM、MLLM、多模态、机器学习、强化学习等前沿技术的结合，实现搜索引擎全链路革新并进行极致的系统优化，探索提升AI搜索引擎的能力，包含而不限于相关性、权威性、时效性、意图理解能力等；探索新的自然语言处理算法、信息检索技术、LLM适性索引、LLM相关性、生成式召回、排序大模型等，提高搜索引擎的准确性和智能化程度； 2）召回与排序：借助语义理解、个性化预估、机制设计等技术，解决超大规模的视频、商品、直播、POI等搜索业务下的召回、排序、重混排模型； 3）多模态、跨模态匹配技术：基于海量网页图文、抖音视频数据的大规模多模态预训练和视频分析技术，提升视觉搜索的使用体验；在搜索中结合CV+NLP深度学习技术，实现多模态、视频搜索、强大的语义理解和检索能力； 4）页面分析和摘要：从千亿视频/网页中提取最有价值的信息，进行结构化字段提取、智能摘要生成、转码等工作来优化搜索体验； 5）链接分析：从万亿链接中找出最有价值的网页，优化链接质量、索引质量、垃圾作弊识别、调度策略等。

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。团队研究方向涵盖 LLM、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。 Seed 团队在 AI 领域拥有长期愿景与决心，坚持深耕基础，期望成为世界一流的 AI 研究团队，为科技和社会发展作出贡献。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、扣子、即梦等超过 50 个应用场景。 1、评估：负责评估符合业务要求的异构计算芯片，建立/完善评估体系、负载模型，预估业务收益； 2、推理：负责异构计算芯片落地实际推理业务，适配异构计算芯片特性，降低推理时延，提高推理吞吐； 3、训练：负责异构计算芯片落地实际训练业务，根据芯片计算、通信特性，优化显存占用，提高训练吞吐； 4、算子：负责开发异构计算芯片的高性能算子，根据芯片特性，优化算力、带宽利用率； 5、编译：负责通过编译技术实现异构计算芯片在不同业务场景中落地，负责实现更加高效的异构硬件编程范式； 6、调研：负责调研、验证前沿软硬件结合方向，比如稀疏计算（Sparse Computation）、存内计算（In-Memory Computing）、数据流计算（DataFlow）等。

团队介绍：TikTok是一个覆盖150个国家和地区的国际短视频平台，我们希望通过TikTok发现真实、有趣的瞬间，让生活更美好。TikTok 在全球各地设有办公室，全球总部位于洛杉矶和新加坡，办公地点还包括纽约、伦敦、都柏林、巴黎、柏林、迪拜、雅加达、首尔和东京等多个城市。 TikTok研发团队，旨在实现TikTok业务的研发工作，搭建及维护业界领先的产品。加入我们，你能接触到包括用户增长、社交、直播、电商C端、内容创造、内容消费等核心业务场景，支持产品在全球赛道上高速发展；也能接触到包括服务架构、基础技术等方向上的技术挑战，保障业务持续高质量、高效率、且安全地为用户服务；同时还能为不同业务场景提供全面的技术解决方案，优化各项产品指标及用户体验。 在这里， 有大牛带队与大家一同不断探索前沿， 突破想象空间。 在这里，你的每一行代码都将服务亿万用户。在这里，团队专业且纯粹，合作氛围平等且轻松。目前在北京，上海，杭州、广州、深圳分别开放多个岗位机会。 课题介绍： 多模态模型能帮助提取视频的多模态内容信息，单用户对内容的注意力是个性化的，所以基于对比学习或者生成式学习得到的内容信息无法能和推荐系统相匹配，如何将基于纯内容信号得到的多模态信息用到推荐系统里目前是一个开放的话题我们希望通过多模态模型和推荐系统联合建模的方式来个性化的提取用户-内容的联合信号，并能实现内容建模和个性化建模的双重提升。 1、探索多模态模型，包括多模态预训练，多模态LLM； 2、将多模态模型应用于图像/视频的生成创作、逻辑推理、深层语义理解、视频语义压缩、视频高光判断等； 3、探索LLM、多模态等的高效Finetuning技术和推理技术，保证模型在业务场景中的快速适配和高效调用； 4、主要研究方向包括：多模态预训练、图片和视频的生成、图片和视频风格迁移、跨模态检索、大模型多标签分类、半监督学习、自监督学习。

团队介绍：智能创作团队是字节跳动的创作场景业务中台，以AI赋能创造，致力于通过AI技术降低创作门槛，赋能视觉内容生产与创作的智能化升级。团队深度支持抖音、剪映、即梦、豆包、商业化等多个业务线，持续深耕图片与视频生成、智能剪辑、数字人、特效等多个业务场景，通过由AI驱动的智能化工具与算法，为用户提供了更智能、更便捷、更丰富的创作体验，助力普通用户轻松实现高质量内容创作，同时为专业创作者提供强大的技术支持，推动内容生态的繁荣与创新。 课题介绍： 视频创作是内容平台生态的最关键环节。随着AGI大模型技术的发展，行业内AI视频创作Workflow不断革新，传统的视频剪辑工具面临严峻行业挑战。AI Native视频创作大模型技术，旨在研发一套基于大模型的视频创作系统，来改善用户创作过程中灵感匮乏、创作提质提效及降低门槛使人人都是优质创作者等难点问题。应用上，可落地支持抖音、剪映Capcut、Flow等业务场景的图片与视频创作及AI工具，形成公司关键业务场景的核心生态壁垒。 课题挑战： 1、中长视频多模态理解能力：创作场景需要对用户素材充分理解，因此大模型需要对输入视频的画面、声音及语音等能充分理解，具备素材剪辑处理的通用理解能力； 2、创作领域专业Agent能力：大模型需要具备创作领域AGI的潜力，对于营销、UGC、PGC等不同创作场景，模型需要具备优质视频创作知识储备，能基于原子能力Tools规划合理的Action Sequence完成创作； 3、多模态输出能力：在视频创作领域，需要进行视频效果包装，因此模型需要具备输出音效/声音/文字贴纸/转场特效等能力； 4、高效率模型推理：由于输入视频时长较长，任务复杂，考虑应用落地成本，模型在处理长Context的推理效率与实际效果的Trade-off依赖技术突破； 5、视觉可控生成与编辑：通过大规模数据的训练，由文本、图片、音频、视频等多模态信息输入引导，生成高质量图像与视频；重点突破保留ID/IP/Style等特征信息的一致性控制技术以及数字人视频生成技术，探索更轻量、更高速、可实时、交互性强的生成技术。