AI工程师
岗位摘要
将研究转化为产品:与客户方研究人员合作,专注于后训练、评估、安全/对齐,并构建他们所需的基础组件、数据与工具;与核心客户及前沿实验室深度合作:亲手与领先的AI团队及前沿研究实验室合作,解决与前沿模型改进、性能及部署相关的困难、开放式的技术问题
登录后保留你的岗位线索
邮箱登录后可继续查看完整职责、任职要求和原岗位入口,并使用收藏与浏览记录沉淀适合自己的机会。
岗位职责
- 将研究转化为产品:与客户方研究人员合作,专注于后训练、评估、安全/对齐,并构建他们所需的基础组件、数据与工具
- 与核心客户及前沿实验室深度合作:亲手与领先的AI团队及前沿研究实验室合作,解决与前沿模型改进、性能及部署相关的困难、开放式的技术问题
- 规划并提出模型改进工作:将客户与研究目标转化为清晰、技术严谨的提案——将后训练、评估及安全工作范围界定为明确的工作说明与执行计划
- 将研究转化为生产影响:与客户方研究人员合作进行后训练、评估与对齐,并帮助设计实践中改进前沿模型所需的数据、基础组件与工具
- 负责端到端生命周期:主导探索,撰写清晰的PRD与技术规格,权衡优先级,运行实验,交付初始解决方案,并将成功的试点扩展为持久、可重复的产品
- 领导复杂、高风险的业务:独立主持与高级客户利益相关者的技术工作会议;定义成功指标;及早发现风险;并将项目推向可衡量的成果
- 跨Scale合作:与研究(智能体、浏览器/SWE智能体)、平台、运营、安全及财务团队紧密协作,为要求苛刻的客户交付可靠、生产级的结果
- 在前沿领域建立评估严谨性:设计并建立稳健的评估框架(例如RLVR、基准测试),通过数据质量与反馈形成闭环,并分享提升各账户技术执行水平的经验
任职要求
- 深厚的应用AI/ML技术背景:在LLM或多模态系统的研究、工程、解决方案工程或技术产品岗位有5-10年以上经验,最好是在高风险、面向客户的环境中
- 模型改进工作流程的实践经验:在后训练技术、评估设计、基准测试和模型质量迭代方面有实际经验
- 解决困难、模糊技术问题的能力:有直接与先进客户或研究团队合作,界定、推理并执行涉及前沿模型的深度技术挑战的可靠记录
- 强大的技术流利度:能够阅读论文、审视指标、编写或审查用于分析的复杂Python/SQL代码,并推理模型与数据的权衡
- 与世界级研究人员和企业领导者沟通的行政风范;优秀的写作与叙事能力
- 行动导向:你交付、学习并迭代
登录后查看完整岗位详情
使用邮箱验证码登录后,可查看完整职责、任职要求、原岗位入口,并继续使用收藏和浏览记录。列表摘要保持公开,完整详情用于保护数据质量和降低恶意抓取。