合適的工作難找？最新的招聘資訊也不知道？
AI 求職為大家精選人工智慧領域最新鮮的招聘資訊，助你先人一步投遞，快人一步入職！
字節跳動
崗位要求
現招募在高效LLM訓練與最佳化領域有深厚技術積累的研究者，共同探索以下核心方向：
1. 引數高效訓練與微調（PEFT）：
-
開發輕量級微調技術（如LoRA、QLoRA、Prompt Tuning），最佳化模型可訓練引數佔比與視訊記憶體佔用；
-
研究混合精度訓練、4bit量化（NF4）與分頁最佳化器技術，實現消費級GPU上的百億級模型訓練。
2. 資料高效學習與知識激發：
-
探索小樣本/零樣本場景下的資料高效訓練（如LIMO假設、元強化學習）；
-
構建合成數據生成框架（如程式碼題解、數學推理鏈），減少對人工標註的依賴。
3. 模型架構與訓練策略創新：
-
設計動態稀疏啟用架構（如MoE混合專家系統），提升模型容量與計算效率的平衡；
-
最佳化注意力機制（GQA、Flash Attention）、KV Cache壓縮與長上下文擴充套件技術。
4. 分散式訓練與低成本部署：
-
開發多維度並行訓練框架（資料/張量/流水線並行），適配中小規模計算叢集；
-
研究模型蒸餾、量化與邊緣裝置適配技術（如手機端部署）。
崗位要求
1. 教育背景：計算機科學、人工智慧、數學等相關領域博士/碩士，或本科+3年以上研究經驗；
2. 技術能力:
-
熟悉PyTorch/TensorFlow框架，有LLM訓練調優經驗（如Megatron-LM、DeepSpeed）；
-
深入理解Transformer架構、分散式訓練、模型壓縮技術；
-
在以下至少一個領域有研究積累：高效微調、資料增強、模型量化、強化學習。
3. 研究素養：在頂級會議（NeurIPS/ICML/ACL等）發表過相關論文，或主導過開源專案（如Hugging Face模型庫貢獻）。
4. 加分項：
-
熟悉多模態模型訓練（如視覺-語言對齊）、自監督預訓練；
-
有開源社群協作經驗或工具鏈開發經歷（如定製化訓練框架）。
我們提供
1. 前沿探索：參與定義下一代高效LLM技術，推動AGI技術發展；
2. 資源支援：靈活使用內部超算叢集（千卡級算力）與海量多模態資料集；
3. 成長空間：技術成果可開源或發表於頂級會議，支援個人IP建設與職業發展。
投遞方式
郵件標題和簡歷標明：實習時間-一週X天-實習地點-AI求職
實習內推
騰訊混元AIGC團隊｜亞馬遜上海人工智慧研究院｜商湯研究院基礎語言模型團隊｜得物App｜阿里安全語言語音演算法團隊｜騰訊遊戲AI大語言模型團隊｜北大—百川聯合實驗室｜Shopee Video團隊｜地平線｜美團商業增值技術部｜搜狐暢遊AI中心｜螞蟻智慧引擎事業部｜抖音電商平臺治理演算法團隊｜騰訊音樂天琴實驗室｜壹點靈心理服務平臺｜Liblib AI｜VIVO影像演算法研究部｜卓馭科技演算法團隊｜百度視覺技術部｜阿里通義實驗室｜螞蟻演算法資料技術團隊｜阿里跨境貿易事業部｜中關村人工智慧研究院｜崑崙萬維AI短劇部門｜智元機器人云平臺團隊｜Atlassian Central AI團隊｜嗶哩嗶哩商業演算法部｜月之暗面
高校招生
香港大學陳城老師｜復旦大學肖仰華教授｜北京大學穆亞東老師｜南京大學FinTech課題組｜悉尼科技大學王翰宸老師｜南方科技大學視覺智慧感知實驗室｜香港中文大學（深圳）黃建偉教授｜香港科技大學（廣州）丁寧寧老師｜香港中文大學（深圳）楊俊馳老師｜中山大學通用具身機器人中心｜華中科技大學張曉今老師｜清華大學徐葳老師｜上海交通大學複雜系統與控制實驗室｜清華大學劉永進教授｜華中科技大學李欽賓教授｜埃克塞特大學孟彥達老師｜香港城市大學劉晨老師｜丹麥科技大學視覺計算中心｜西湖大學醫學人工智慧實驗室｜北京大學張輝帥老師｜香港科技大學（廣州）謝思泓教授｜南洋理工大學董威老師｜新加坡科技設計大學趙娜老師｜北京大學網路資訊處理實驗室
為了更好地瞭解和滿足大家的需求，我們建立了「求職者社群」。
加入 AI 求職社群，你可以享有招聘需求曝光、獲取最新面試經驗、校招準備攻略、碩博招生和獨家內推渠道等服務。
掃描下方小助手的微信，pick 你心儀的崗位~
如何釋出招聘
AI 求職是「PaperWeekly」旗下聚焦人工智慧領域的招聘平臺，涵蓋高校碩博招生、博士後招募、企業校招、社招、實習和內推等。
目前已有百度、阿里、騰訊、字節跳動等企業釋出內推崗位，歡迎大家訂閱關注、釋出崗位，如果你也想對公司和在招職位進行更多曝光，請聯絡我們的欄目負責人（微信：pwbot02）。
·
·