招聘城市：北京，上海，杭州
岗位职责：
1.海量数据的高效筛选与质量评估
2.智能数据配比与动态增强
3.严谨可复现的算法评测与验证体系
4.面向预训练效率的训练算法优化
5.通用场景下可扩展的数据管线设计
6.端到端自动化高性能数据流水线构建
任职要求：
1. 年级不限，本科及以上在读，计算机、人工智能、软件工程或相关交叉学科背景优先；
2. 拥有卓越的工程实现能力与扎实的算法功底，熟练掌握至少一门主流编程语言及 PyTorch 框架，熟练使用 Code Agent 者优先；
3. 深耕机器学习与深度学习领域，具备大型语言模型（LLM）项目实战或大规模预训练实际经验者优先；
4. 在 NeurIPS、ICML、COLT、ICLR、CVPR 等顶级会议或期刊上发表相关研究成果…
招聘城市：北京，上海
部门介绍：
基础研发平台是美团的核心技术平台，立足于“零售+科技”的战略定位，通过打造人工智能、大数据、云计算、安全等核心技术能力，以及研发效能平台、企业应用平台等公共服务，为业务提供稳定安全、扩展易用、技术领先的平台技术和产品服务。
在这里，我们会参与到最前沿的技术研发和探索；能够接触超规模集群、海量数据，挑战高复杂业务场景，有机会与业界一流的工程师一起并肩前行。
在这里，我们有超强的技术氛围，持续向社区贡献业界实践，加速行业技术发展；我们有完善的互联网学习生态圈，重视底层逻辑和方法论，助力职业生涯的非线性成长。
真诚地邀请你，和我们一起驱动技术发展，创造行业价值。
岗位职责：
简介：探索下一代…
招聘城市：北京
…生成式大模型预训练相关的工作，包括但不限于：大规模模型预训练，长文本预训练，线性模型结构探索；
2.探索与跟进前沿技术，寻求技术突破，推动机器在AIGC能力的提升和突破；
3.探索高效的模型知识嵌入方法以及模型知识在线学习更新；
4.探索文本模型预训练的scaling law，在小规模小成本下更精准地预测大规模训练后的表现。
岗位要求：
1.熟练掌握Python，熟悉Linux环境开发，精通应用深度学习框架TensorFlow或者PyTorch；
2.持续跟进前沿的深度学习技术，了解前沿的深度学习相关算法，熟悉Transformer等模型结构；
3.具备分析问题定义问题和解决问题能力，具备持续的自驱力来面对挑战；
4.有大规模模型预训练实践经验者或…
招聘城市：北京
…生成式大模型预训练相关的工作，包括但不限于：大规模模型预训练，长文本预训练，线性模型结构探索；
2.探索与跟进前沿技术，寻求技术突破，推动机器在AIGC能力的提升和突破；
3.探索高效的模型知识嵌入方法以及模型知识在线学习更新；
4.探索文本模型预训练的scaling law，在小规模小成本下更精准地预测大规模训练后的表现。
岗位要求：
1.熟练掌握Python，熟悉Linux环境开发，精通应用深度学习框架TensorFlow或者PyTorch；
2.持续跟进前沿的深度学习技术，了解前沿的深度学习相关算法，熟悉Transformer等模型结构；
3.具备分析问题定义问题和解决问题能力，具备持续的自驱力来面对挑战；
4.有大规模模型预训练实践经验者或…
招聘城市：深圳
…1.搭建规范的大规模的pretrain data workflow, 确保整个预训练数据可复现，可追踪，每一步可debug/可校验；
2.全面负责预训练数据工程体系建设，主导端到端数据工作流（Workflow） 设计、搭建与规模化落地，保障数据供给效率与稳定性；
3.负责预训练数据全生命周期管理：数据标准、质量治理、资产化管理、权限与版本管控；
4.带队攻坚数据处理关键技术与工程瓶颈，跨团队协同模型训练算法和底层架构工程、推动数据架构持续迭代。
岗位要求：
1.本科及以上，有大规模技术栈负责人/数据体系负责人经验；
2.精通大规模预训练数据 Pipeline 建设，熟悉分布式大数据处理栈（Spark/Ray/OSS 等），理解存储，网络等data infra硬件瓶颈；
3.优秀的架构设计…
招聘城市：北京
…学习目标优化等；
3.负责预训练模型在广告推荐中的应用研究，提升广告推荐效果，实现收入和体验双提升；
4.负责前沿技术在生成式预训练模型中的应用研究，不断拉高模型效果天花板，提升团队技术影响力。
岗位要求：
1.计算机或相关专业研究生及以上学历，2年及以上推荐算法、AI大模型相关工作经历；
2.熟练掌握Python/Java/C++等一门或以上的编程语言，熟练使用主流深度学习框架（Tensorflow/PyTorch）；
3.对前沿技术充满热情，具备较强的创新思维，能主动探索新技术在业务中的应用，面对复杂问题能提出有效解决方案；
4.有LLM预训练/广告、内容推荐预训练大模型和生成式推荐大模型的工作经历优先。
岗位…
招聘城市：北京，上海
岗位职责：
建立文本和多模态数据源、数据格式解析(网页，PDF等)、数据策略、模型能力、下游任务的全链路归因能力
建立并持续完善的数据质量、多样性、重复度、覆盖率等评估体系，分析和量化每个维度的影响
针对模型核心能力进行重点强化，包括不限于数学、推理、Code、Agent、ICL、OCR等
探索如何使用更少数据量，达到同样模型能力的策略，持续提升per token的通用能力训练效果
探索基于各类策略
任职要求：
对大模型方向充满兴趣，且能充分意识到数据对于模型能力的重要价值和数据侧的巨大空间
有很好的数据感觉，对人类文明积累下来的优质数据分布有很好的判断
有很好的NLP/多模态经验，在数据和算法…
招聘城市：北京
岗位职责：
1.多模态数据体系构建：设计并实现 VLM 预训练数据的采集、清洗、标注全流程方案，涵盖通用图文对、OCR 数据、Visual Grounding/Counting 数据、3D 空间理解数据及视频时序数据等多类型数据，建立数据质量评估体系（如 CLIP 相似度过滤、标注一致性校验）。；
2.数据算法创新设计：研发多模态数据对齐算法，优化视觉 - 语言模态映射策略；设计高效数据增强方案，包括图像形变、文本扰动、跨模态混合增强等，提升模型鲁棒性与场景适应性；探索自动标注与数据合成技术（如 Grounding DINO 自动框标注、LLM 辅助问答生成），降低标注成本。；
3.预训练数据策略优化：结合 VLM 预训练目标（模态对齐、上下文学习、复杂推理），设计数据配比方案与训练数据筛选策略；迭代优化数据…
招聘城市：深圳
岗位职责：
1.参与开发优化大模型训练框架，支持单任务万卡以上规模高效稳定训练；
2.参与NLP、多模态大模型结构设计，并联合业务进行模型训练效率和效果验证；
3.参与文生图、文生视频、文生3D等业务的训练性能加速；
4.参与低精度训练性能优化和业务推广、参与大窗口训练性能优化。
岗位要求：
1.熟练使用主流大模型训练框架DeepSpeed、Megatron，掌握3D并行、ZeRO机制、Flash-Attn等的原理、使用场景、优劣势以及可优化方向；
2.有ViT、SD、DiT模型训练性能优化经验者优先；
3.熟练掌握CUDA性能优化手段，有算子编写优化项目经验者优先；
4.对大模型前沿技术比较敏锐者优先；
5.有实际大模型的训练调参和…
招聘城市：北京
岗位职责：
1.参与微信搜索场景内的大模型增量预训练研究，致力于在提升利用大模型的技术，在业务场景上提升内容理解，语义检索，相关性匹配等核心线条的效果，业务场景包括搜一搜通用搜索、视频号搜索、搜索推荐等；
2.提升大模型增量预训练的能力，包括不限于数据质量、配比，以及合成数据，模型结构调优，以及上下文学习、SFT、搜索增强等技术点。
岗位要求：
1.计算机相关专业硕士或博士，熟悉深度学习，或者在搜索领域有较强的认知和理解；
2.对各种开源的大模型框架有了解，同时有预训练、语义检索、相关性等技术的真实落地经验并有深刻理解；
3.在NLP、机器学习等领域顶级学术会议…
招聘城市：北京，上海
…理解预训练技术原理，通过数据分析定位模型能力短板，制定针对性数据补充策略，推动模型技术迭代升级。
4. 前沿探索，保持对开源模型（如DeepSeek、Qwen等）及学术前沿的敏锐度,沉淀可复用的数据方法论,为团队提供中短期数据策略规划。
5. 与算法、技术团队合作开发数据工具链，主动发现问题，发起项目，管理数据生产团队,把控数据质量与项目进度,推动跨团队高效协作,确保数据按时高质交付。
6. 主导垂直领域语料体系的从0到1搭建（包括但不限于人文/学科/code等体系），能够定义各体系的质量标准，并设计可量化的评估指标。
任职要求：
1. 硕士及以上学历,计算机、计算语言学、数据科学、信息检索、NLP相关专业优先;有预训练语料…
招聘城市：北京
…偏好学习、奖励建模有实践经验者优先；
6.具备扎实的工程实现能力与代码规范意识，熟悉CUDA优化、参数并行、流水线并行等技术；
7.具备良好的团队协作与沟通能力，热爱探索与创新。
加分项：
1.在 GitHub 等平台持续参与主流大模型 / 分布式训练 / RLHF 等项目的开发维护，有高质量 PR 被核心项目合并，或担任 maintainer / reviewer；
2.主导或深度参与自研预训练 / 后训练框架、长上下文训练工具链等开源项目，具备清晰的技术文档与使用教程，拥有一定 Star / Fork 规模和社区用户；
3.在 Hugging Face 社区、技术博客或开发者论坛上定期分享工程实践（如长上下文训练、MoE、大规模分布式调优等），具备良好的技术传播与社区影响力。
招聘城市：北京
…以上学历；
2.具备全双工语音对话模型预训练经验，参与过端到端 Speech-to-Speech、Audio LLM、Omni Model 或类似模型研发；
3.具备音频理解模型或音频生成模型预训练经验，能够负责模型架构、数据建设、训练策略和效果分析；
4.熟悉全双工对话核心问题，包括 Turn-taking、End-of-turn Detection、User Interruption、Overlapping Speech、Backchannel 和 Streaming Generation；
5.熟悉 Audio Encoder、Conformer、Transformer、Audio Tokenizer、Neural Codec、自回归、Diffusion 或 Flow Matching 等技术；
6.熟练使用 PyTorch，具备大规模分布式训练经验，熟悉 DeepSpeed、Megatron-LM、FSDP 等训练框架；
7.具备较强的实验设计、问题定位和跨团队协作能力。
加分项：
1.有全双工语音对话基础模型从零到一预训练经验；
2.同时具备音频理解和音频生成模型预训练经验；…
