北京算法总监

1. 主导智能座舱大模型底层算法自研工作，负责核心算法设计、研发及迭代，对大模型底层逻辑有深刻理解，突破技术瓶颈，推动算法创新落地。

2. 统筹大模型全流程研发落地，结合座舱业务需求，把控样本生成、模型训练、评测及量产部署，具备丰富的大模型规模化落地经验。

3. 跟进大模型前沿技术与开源/闭源项目，制定技术战略，推动先进技术转化应用，为团队提供深度技术指导，引领团队技术提升。

4. 牵头跨部门协作，协调内外部资源，制定大模型研发相关技术规范，推动项目高效推进，提升公司大模型技术竞争力。

中国第一汽车集团有限公司

汽车

大模型从通用问答走向复杂任务执行，Agent 能力正成为模型演进的关键方向。为此我们探索将通用基座模型向原生 Agentic Foundation Model 演进，为构建下一代自主智能体提供坚实的底座支持。团队在以下方向上进行探索，若你对以下一个或者多个课题感兴趣均欢迎投递：1）大规模高质量数据体系与轨迹合成数据建设1.建设 Trillion 级别的大规模跨模态数据处理与合成链路，负责从训练数据获取到配比建模的全流程优化。
2.探索大规模合成数据 与自蒸馏技术，制定合成数据应用策略，构建模型持续进化的数据飞轮。
2）长上下文 (Long Context) 与高效架构演进长窗口突破1.持续 Scaling Up 模型的上下文窗口，优化超长上下文机制，重点提升 LongCat 基座模型在长上下文上的表现。
2.探索并验证 MoE（混合专家）、稀疏注意力（Sparse Attention）、线性注意力等模型结构；结合剪枝与稀疏化技术，协同优化训练与推理效率，提升超长上下文场景下的效率。
3）多模态能力融合1.探索多模态预训练新范式，突破模态融合瓶颈。
2.利用多模态扩展定律指导数据与训练方案，提升模型在多模态交互场景下的原生能力。
【为什么是我们】1.团队扁平，人才密度高，近年团队在ICLR、NeurIPS、ICML、ACL等顶会累计发表论文数十篇，团队员工获EMNLP 2024 Outstanding Paper、ACL 2025 Outstanding Paper；
2.参与大语言模型核心技术研发，接触大规模RL、超长上下文、分布式训练和推理优化等前沿技术；
3.充足算力保障，拥有大规模分布式训练环境和丰富数据资源。

北京三快科技有限公司

1.负责文本、图像、视频等多模态内容理解算法的研发与迭代，构建完善的内容标签体系、质量评分体系及知识表征体系，为推荐系统提供高质量的内容侧特征与语义信号；

2.与推荐算法团队（广告算法、游戏算法、搜索算法、内容推荐算法）深度协作，推动多模态内容理解信号在内容表征、候选挖掘、召回、粗排、精排、多目标融合等推荐全链路环节中的落地应用，持续提升业务核心指标；

3.支撑浏览器信息流、画报内容推荐、主题推荐等内容分发场景的算法需求，持续优化内容理解能力在业务场景中的效果；

4.跟踪多模态大模型（MLLM）前沿技术进展，探索多模态内容理解、质量识别、知识增强等方向的技术突破与业务创新；

5.负责多模态大模型的后训练优化，包括指令微调（SFT）、偏好对齐（RLHF/DPO）、模型评估及算法效果优化；

荣耀终端有限公司

IT服务

【课题说明】在广告场景中，优质精美的创意对用户的行为决策有显著正向影响，传统模式下商用级创意内容的制作门槛高、生产周期长，长尾商家通常难以负担其成本，而头腰部商家也难以做到个性化、高时效性的创意生产投放。本课题借助大模型的音、视、图、文等多模态理解、思考与生成能力，结合用户画像、商户/品特征、热点趋势等信息，探索实现低成本、个性化的商用级创意内容（如图文笔记、长视频）的生成技术。【建议研究方向】1.多模态深度思考：设计与实现多模态深度思考方案，优化模型对多源异构信息进行抽取筛选、加工整合、衍生创作的能力，提升创意内容生成的质量与多样性。
2.开放问题的强化学习：针对无标准答案的开放问题（如笔记生成、剧本创作、素材选取等），设计与实现适配的奖励机制与策略，通过强化学习提升模型能力。
3.创意生产Agent：参考人工生产中的不同角色分工合作流程，设计与实现创意生产的多agent协作框架，并通过线上效果反馈机制，闭环提升生产的效率与质量。

北京三快科技有限公司

【课题说明】随着美团业务向多个海外市场拓展，推荐与搜索系统面临多国家、多语言场景下的核心技术挑战：一方面，不同语言的语义理解差异、跨语言迁移能力不足、低资源语言数据稀缺等问题制约了搜索相关性体验；另一方面，各国市场用户行为模式、文化偏好、消费习惯差异显著，传统推荐系统难以在多国场景下实现统一建模与高效迁移。本课题旨在打造面向多国多语言场景的推荐搜索一体化解决方案，融合多语言语义理解与大语言模型（LLM）能力，构建具备跨国泛化能力的推荐搜索系统，全面提升境外业务的用户体验与转化效率。【建议研究方向】方向一：多国多语言搜索相关性多语言语义表征建模：基于多语言预训练模型（如mBERT、XLM-R等），结合本地化业务数据，构建适配多国语言的搜索相关性表征模型，提升跨语言语义对齐能力。低资源语言相关性增强：针对数据稀缺的小语种市场，探索数据增强、跨语言迁移学习、零/少样本学习等技术，提升低资源语言下的相关性判断能力。多国统一相关性评估体系：设计面向多国多语言场景的相关性评估框架，结合人工标注与模型自动评估，构建可扩展的多语言相关性基准。方向二：LLM-based 多国家统一推荐LLM驱动的跨国用户意图理解：基于多语言LLM，对不同国家用户的行为序列与搜索意图进行统一建模，提升跨国场景下的用户偏好理解能力。多国统一推荐基座模型：探索以LLM为基座，通过多国数据联合训练与国家/文化特征注入，构建可快速适配各国市场的统一推荐模型，降低多国分治的维护成本。跨国冷启动与迁移学习：针对新兴市场数据稀缺问题，研究基于LLM的跨国知识迁移与冷启动方案，提升新市场推荐效果的快速收敛能力。

北京三快科技有限公司

【愿景】广告系统长期采用"召回→粗排→精排→出价→拍卖"的多级漏斗架构，各模块独立优化导致目标不一致，前链路制约后链路上限，漏斗效率折损大。随着大模型与生成式技术的快速发展，工业界已在端到端生成式广告方向进行了系统性布局，验证了生成式框架在候选生成、全链路排序、创意生成和机制设计等环节的技术可行性，其强大的表征能力和良好的Scaling特性为广告系统的范式跃迁提供了新的可能性。本岗位致力于在探索如何利用生成式技术重塑整个广告系统，通过端到端的生成式广告大模型完成所有决策，打破多级漏斗框架，打开模型联合决策空间。【你将参与】1.生成式召回：突破传统检索范式，探索广告场景下的生成式候选生成方案，包括层次化语义ID设计（RQ-VAE/VQ-VAE）、以及召回与排序联合端到端优化。
2.生成式预估：设计支持大规模候选端到端打分的生成式排序框架，探索"预训练+业务对齐（RLHF/DPO）"的分阶段训练范式，解锁广告模型的Scaling规律，驱动系统从人工调参向算力堆叠迭代跃。
3.生成式创意：基于多模态大模型实现广告创意的自动生成与动态组合，结合用户实时意图的个性化创意定制，以及创意与广告主商业目标的对齐优化，提升创意与用户的匹配深度。
4.生成式机制：构建端到端可学习的广告拍卖机制，将出价、分配、计费纳入统一生成框架，建模广告外部性（排列位置、上下文交互对转化率的影响），在保证近似激励相容性（IC）的同时最大化平台RPM。

北京三快科技有限公司

1、负责城区自动驾驶中的定位相关开发，包括但不限于: DR/组合导航/融合定位/拓扑定位/SLAM；

2、负责无图/众包地图下定位相关方案预研及算法开发、难点攻坚，推动方案实现规模化量产；

北京地平线信息技术有限公司

互联网

1、负责图像（2D/3D）和点云领域的核心自动驾驶真值构造算法研发与优化，包括但不限于：通用障碍物、多传感器融合、VLM\VLA、语义实例分割、多目标跟踪等；

2、探索并将最前沿的深度学习大模型（VGGT、World Model、Occupancy Networks等）应用于云端真值系统；

3、对感知模型的性能瓶颈进行深度分析和攻关，持续提升算法在精度、速度与稳定性上的表现。

北京地平线信息技术有限公司

互联网

1、负责开发相机/IMU/LiDAR等工厂标定算法研发, 标定间建设方案的技术指标制定；

2、负责自然场景下相机/IMU/LiDAR外参车端在线标定及高精度离线标定算法研发；

3、负责三维几何与重建算法开发：设计并优化基于多视图几何（SfM/MVS）、SLAM或新型重建技术（如NeRF/3D GS）的3D/4D空间重建算法；

4、负责数据驱动(深度学习)的传感器标定及三维几何重建算法探索和研发；

北京地平线信息技术有限公司

互联网

1、 负责城区、高速、停车场等工况辅助驾驶系统行为决策、路径规划和运动控制算法开发

2、负责规控算法的仿真评测和实车测试，并协助在嵌入式量产平台进行算法实现

3、负责关注国际前沿动态，掌握决策控制算法的发展

北京地平线信息技术有限公司

互联网

1、有VLA、VLM模型开发及落地的相关经验；

2、有自动驾驶端到端项目的经验，熟悉轨迹预测/规划等相关算法；

3、具备良好的数理功底以及代码能力；

4、有自动驾驶、机器人领域AI算法经验优先。

广州橙行智动汽车科技有限公司

汽车

● 跟踪深芯片领域及新型计算领域（如机器学习）发展，设计开发高性能低功耗的架构、芯片及硬件产品。 参与芯片架构与微架构设计，负责开发和维护各种通用接口和模块；
● 针对阿里巴巴集团业务发展需求，开发相应原型系统，落地芯片产品。

阿里巴巴集团控股有限公司

【愿景】建成全球持续领先、客户长期信赖的履约技术平台，打造市场首选、社会认可、服务10亿用户的配送品牌。【你将参与】方向一：Agent技术体系研究与落地1.设计并构建面向真实业务场景的Agent技术体系，涵盖任务规划、工具调用、多轮推理、自我反思与纠错等核心模块2.深入抽象业务核心问题，建立可量化的评估反馈信号，驱动Agent在复杂履约场景中实现可度量的效果提升3.探索Multi-Agent协作框架，研究Agent在千万级并发场景下的可靠性、安全性与成本效率方向二：LLM后训练算法研究1.负责面向特定业务场景的指令精调（SFT）、偏好对齐（RLHF/DPO/GRPO等）全链路研究与工程落地2.研究ScalableOversight、持续学习、AI和环境反馈的强化学习（RLXF）等前沿方向。
同时探索奖励模型与反馈机制、可泛化的细粒度过程监督和奖励建模等，提升模型在复杂推理与工具调用任务上的能力上限3.主导训练数据的质量工程，包括数据清洗、合成数据构建及标注流程设计4.垂域模型定制化构建，领域认知智能突破，探索小样本场景自演进架构设计、可信推理机制构建等方向方向三：评测与数据体系建设1.设计覆盖Agent行为、模型能力、业务指标的多维评测体系，建立自动化的诊断与归因链路2.与业务团队深度协作，构建端到端的训练-评估-迭代闭环，将研究成果转化为线上可量化的业务收益方向四：前沿跟踪与对外输出1.持续追踪NeurIPS/ICML/ICLR/ACL等顶会最新进展，具备将前沿论文快速工程化落地的能力2.鼓励将内部研究成果整理为学术论文，向行业输出技术影响力

北京三快科技有限公司