DataHub 关键词情报 · 数据更新至 2026-07-22
Google DeepMind算法与研究招聘
本页聚焦Google DeepMind算法与研究相关岗位，便于用户比较岗位职责、地点、薪资标注和详情入口。
活跃公司
- Google DeepMind45 · 100.0%
热门地点
- 美国35 · 77.8%
- 瑞士3 · 6.7%
- 新加坡2 · 4.4%
- 印度2 · 4.4%
- 英国2 · 4.4%
- 日本1 · 2.2%
岗位方向
- 算法与研究45 · 100.0%
OPEN ROLES
代表岗位
材料科学研究工程师
规划并快速原型化应用于科学问题的机器学习技术；开展探索性分析，为实验和研究方向提供依据；改进机器学习模型的架构和训练流程；开发工具、库和框架，加速并支持新研究；清晰高效地报告和展示软件开发成果、实验结果及数据分析
研究科学家，Gemini 安全团队
对最先进的大型语言模型进行后训练和指令微调，重点关注文本到文本、图像/视频/音频到文本的多模态能力以及智能体能力；探索数据、推理和算法解决方案，确保Gemini模型安全、最大程度有用且适用于所有人
研究科学家，多模态对齐、安全与公平
开展研究：提出新想法，跟踪领域最新进展，与其他研究人员讨论研究方向；执行：设计并快速实现算法和模型，推动多模态AI对齐与安全领域的突破；开发新方法：研究改进AI行为规范、评估和引导的技术，重点关注主观和创造性任务
研究工程师，多模态推理与信息素养
规划和执行计算机视觉及多模态机器学习技术的快速原型开发，应用于媒体信息真实性判定；设计和训练具备复杂视觉推理能力的多模态模型；开展探索性分析，为实验和研究方向提供依据；与产品团队合作，推动研究成果的开发与应用
研究工程师，人类理解
推进多模态人类表征与理解：研究并实现新颖模型及其他多模态技术，以更全面地理解人类在视觉、音频和文本数据中的表现；开展应用研究：进行从假设到部署的实验研究周期；主导技术项目：负责团队内重大技术项目的构思、设计、实施与评估，常涉及跨职能协作
AI伦理与安全政策研究员
系统性地识别与新兴及扩散的AI能力相关的风险；针对已识别的挑战进行原创研究，从外部和内部专家、学术文献及行业报告等多种来源收集信息；设计并构建用于缓解模型风险的运营框架，并将其转化为标准化成果，如通用训练数据集和评估协议
研究科学家
推动人工智能领域的前沿研究；将AI技术应用于公共利益和科学发现；与跨学科团队协作解决关键挑战；具备机器学习或相关领域的专业知识；拥有相关领域（如计算机科学、数学等）的学位或经验；注重AI安全与伦理
高级用户体验研究员（L7）
定义模型对齐与交互标准：建立洞察和原则，以弥合模型智能与交互之间的差距；构建战略衡量与未来机会：领导对模型领域内高优先级投资领域的洞察；通过强有力的合作伙伴关系推动产品影响：与产品管理、工程、研究科学和设计领导层密切合作，将复杂的研究发现转化为可操作的产品和/或模型洞察
模型威胁防御团队反滥用专家
与跨职能团队合作，构建并改进蒸馏攻击检测与缓解方案；运用数据科学技能识别新出现的攻击和趋势，实施新的检测策略，并为开发稳健的应对措施提供信息；协调对攻击者和滥用活动的应对行动；计算机科学、数据科学或相关技术领域的学士学位，或同等的实践经验
AI模型质量项目经理
与建模团队紧密合作，支持核心模型训练，细致跟踪优先级和问题；深入理解评估和实验结果，与模型能力团队协调对齐和评估；推动测试和反馈收集，为持续的模型开发提供信息；深入了解AI模型评估方法，与数据科学家合作设计和集成模型评估
研究工程师
与机器人合作伙伴紧密合作，将最先进的Gemini机器人模型引入现实世界应用；探索、实施和优化模型飞轮配方，使机器人合作伙伴能够使用Gemini机器人模型开发定制化模型和应用；构建和维护灵活易用的模型开发管道，并配备经过验证的配方，以惠及更广泛的机器人生态系统
研究工程师
为前沿模型的风险测量和评估能力贡献新颖的研究；识别当前领域（失控、机器学习研发、网络安全、化生放核、有害操纵）或新领域内的新风险路径；构思、设计和开发测量缓解前和缓解后风险的新方法；对未来尚未显现的风险进行预测和情景规划
研究科学家（强化学习与协作式LLM）
设计和实现新颖的多轮强化学习算法，用于训练协作式大语言模型，探索信用分配、模型鲁棒性和探索/利用策略等高级方法；开发和扩展训练基础设施，基于现有的状态化用户模拟器训练框架进行构建；通过创建新的指标、环境和评估方法来形式化“协作性”问题，以捕捉长期用户满意度和偏好对齐
模型用户体验内容设计师
与产品、工程和政策团队合作，塑造大型语言模型（LLM）的行为和响应；运用对语言艺术和结构的精通，为Gemini模型的内容质量创建原则、响应策略和示例；为Gemini模型定义并建立全面的内容标准和规范，涵盖事实准确性、隐私、安全、个性、语气和风格等因素
AI模型安全研究科学家/工程师
研究检测模型蒸馏及主动防御蒸馏的技术策略；设计并构建检测和缓解未经授权能力提取的系统；严格评估防御机制的有效性，权衡模型鲁棒性、防御效用与核心模型性能之间的平衡；与Google DeepMind、Google及业界的世界级研究人员紧密合作，发表开创性工作，建立新基准，并为负责任的AI防御设定标准
研究工程经理
领导、指导和发展研究工程师团队；与高管领导层合作，制定推进AI责任与安全前沿的研究战略；在GDM内部及谷歌合作伙伴的高管领导层之间沟通研究战略，建立跨产品领域和职能部门的协作；定义并传达将前沿研究与谷歌产品路线图相结合的战略愿景
模型用户体验内容设计师
通过创建原则、响应策略和示例来设定质量标准，定义优秀内容的标准；为Gemini模型建立全面的内容标准和规范，涵盖事实准确性、隐私、安全、个性、语气和风格等因素；通过诊断质量差距，开发可扩展的战略框架（包括指南、技术说明和跨职能协调）来推动模型的持续改进
研究工程师
将最有前景的模型和研究应用于高影响力的现实世界问题；通过快速原型设计初始概念；设计和运行实验以评估机会；在现实问题中理解从研究到生产的路径；作为由研究工程师领导的小型项目团队的一员，接受Gen AI Unit领导的密切指导
研究工程师（CBRN人工智能责任方向）
设计并开发稳健的评估方案，以测试在物理科学领域具有强大能力的前沿人工智能模型可能引发的CBRN风险；为这些评估开发并维护基础设施；在新人工智能模型发布前运行这些评估；利用最先进的缓解措施解决潜在的CBRN风险
研究工程师（CBRN人工智能责任方向）
设计并开发稳健的评估方案，以测试在物理科学领域具有强大能力的前沿人工智能模型可能引发的CBRN风险；为这些评估开发并维护基础设施；在新的人工智能模型发布前运行这些评估；利用最先进的缓解措施解决潜在的CBRN风险
研究工程师，天气与能源人工智能
为可持续性问题设计、实施、扩展和评估最先进的深度学习模型（例如，Transformers、GNNs）和软件原型；构建稳健且可扩展的数据处理和训练管道，以实现快速的研究迭代；在内部和外部清晰有效地报告和呈现研究结果与进展
研究科学家（机器人学）
设计、实施、训练和评估用于机器人智能体的大型模型与算法，实现突破并解锁新的机器人能力；编写软件以实现研究构想，并快速迭代；利用专业知识参与广泛的研究领域：模拟学习、强化学习、演示学习、视觉-语言-动作模型、Transformer、视频生成、机器人控制、人形机器人等
研究科学家/研究工程师
制定策略和解决方案，以提升代理解决代码安全挑战的能力；将新颖的代理技术集成到研究原型中；使用微调或强化学习技术训练新模型；构建评估流程、基准测试和排行榜；与产品团队合作，收集研究和产品需求
模型用户体验设计负责人（对话设计）
与其他用户体验负责人合作，设计尖端的LLM驱动的多模态解决方案；为代理式AI项目制定端到端的对话设计策略；定义和指定理想的对话交互和模型响应，以赋予新功能生命力；启动对指定能力模型性能的定性评估
技术项目经理（模型部署）
作为美国时区的部署团队代表，与欧洲、中东和非洲地区的资深技术项目经理合作，确保跨时区覆盖；领导模型服务与部署项目的端到端交付，与工程师和研究人员紧密合作，规划从研究到规模化生产的部署路线图
研究工程师（代码安全分析）
设计和实施高级后训练算法（SFT、RLHF、RLAIF），以优化Gemini在代码安全任务和安全编码实践中的表现；诊断和解释训练结果（编码能力退化、安全推理能力提升），并提出改进模型能力的解决方案
研究科学家（情感计算）
原型开发：设计新的人机交互体验，探索关系型和情感型AI的积极未来路径；数据处理：解锁大型模型在预训练和后训练阶段的新多模态情感能力，重点关注社交智能体；模型优化：提升模型在理解和生成任务上的质量，研究内容包括改进分词器、使用隐式奖励进行训练或通过微调优化模型行为
研究工程师（强化学习与多模态）
多模态强化学习研究：设计并实现新颖的强化学习算法，以支持在多模态（文本+视觉）环境中进行多轮推理和学习；环境规模化：为自动评估和自动用户的'生态系统'做出贡献，构建必要的基础设施，以规模化生成高质量、半可验证的训练环境
研究科学家（生成式AI）
设计、快速实现并严格评估用于多模态生成式AI（特别是文化适应性图像和视频合成）的尖端深度学习算法和数据管理方法；以口头和书面形式，清晰高效地在内部和外部报告及展示研究成果与进展；建议并参与团队协作以实现宏大的研究目标，同时做出重要的个人贡献
地理空间人工智能研究员
设计、实施和训练最先进的地理空间人工智能模型（例如，多模态多任务模型），处理行星级数据集；开发新颖的自监督或弱监督预训练方法，以解决自然环境中的数据稀缺问题；构建和维护可扩展的数据管道，用于摄取和处理异构的地球观测数据
研究工程师
将研究概念转化为实际应用，通过开发和优化多模态AI模型，以及构建和维护用于训练和评估的稳健数据管道；设计、实施和运行实验，以评估多模态伴侣AI代理的性能和稳健性，使用提示工程和少样本学习等指标和技术
研究科学家/工程师 - 后训练前沿模型
前沿方法开发：为无‘教师’模型的前沿模型设计和验证新颖的后训练流程（如SFT、RLHF、RLAIF）；推进奖励建模：领导下一代奖励模型的研究，包括探索新架构、减少奖励攻击以及提升偏好数据中的信噪比
研究科学家
在强化学习和推理领域进行关键研究：提出新的强化学习算法，扩展强化学习和/或推理时间计算以改进Gemini；担任Gemini发布负责人：作为发布/模型负责人，训练模型以直接为Gemini的落地做出贡献
战略项目研究工程师
开发框架，以规模化评估Google和GDM关键用例中AI智能体系统的安全性、安全性和隐私性；研究智能体编排原型，结合多种AI组件，在复杂场景中可靠地解决复杂任务；为项目构建排行榜和评估指标，以推动持续改进
战略项目研究科学家
发明并实施使智能体更安全的新方法，包括改进驱动智能体的模型以及围绕智能体构建的系统；制定策略以在排行榜上取得进步，并调试前沿智能体可能存在的性能和安全性问题；将新颖的智能体技术集成到研究和生产级原型中
研究科学家
开创新颖的计算机视觉模型，从多样化的卫星数据源中创建对农业的统一理解；通过开发可泛化的模型来解决核心人工智能问题，这些模型在从小型农场到大型工业田地的各种农业系统中都具有鲁棒性；领导针对田间作物产量预测这一重大挑战的研究，这涉及推进时空推理和从有限或稀疏数据中有效学习
首席研究工程师
从事大规模模型的训练后评估和微调，以提升性能和安全性；定义并推动支持Gemini模型家族及其实际应用的大规模数据与评估技术路线图；研究新颖、高价值的评估方法（自动化、人机交互、对抗性），以衡量模型能力、对齐性、安全性和可信度
研究科学家
设计、实施和评估大型基础模型的模型、智能体和软件原型；深入研究基础模型的机器学习基本原理（如架构、损失函数、数据、评估）及其在神经加速器上的实现（训练和服务效率）；以口头和书面形式，清晰有效地对内和对外报告和展示研究成果与进展，包括状态和结果
研究工程师
管理一个充满活力且不断成长的团队；推动为芯片设计人工智能开发基础设施；为芯片设计开发智能体流程、工具使用和新功能；为物理设计、逻辑综合、验证和RTL生成的机器学习做出贡献；与其他研究工程师和协作者密切合作，为芯片提供人工智能解决方案
研究科学家
调查当前结果以识别改进领域（例如，基于用户反馈或评估性能薄弱环节）；开发衡量薄弱环节的指标，如模型评估或数据管道统计数据，以推动进展；制定改进数据管道的中期议程，获取同行和关键利益相关者的反馈，并说服他人加入你的工作
研究工程师
设计实验以提升Gemini作为软件工程师的能力；创建评估体系以衡量关键的软件工程能力；职责可能包括：创建评估以衡量Gemini作为软件工程师的能力，运行强化学习实验以改进这些能力，以及设计新颖的代理框架与代理能力
研究科学家/工程师 - 3D世界生成模型
进行研究以构建3D世界的生成多模态模型；解决大规模训练世界模型的关键问题；构建和训练用于数据标注的大规模系统；策划和标注训练数据集；构建和维护大型模型训练基础设施；开发扩展阶梯和训练方案；开发空间智能的评估指标
研究科学家
研究针对Gemini信息搜索场景的后训练方法（例如强化学习和监督微调）；研究用于改进模型质量、事实依据性和真实性的新型评估方法；研究针对信息搜索场景的工具调用编排和改进的检索方法；相关领域的博士学位，或具备同等的研究/发表记录
研究科学家
研究和开发关键技术，如语义ID、生成式检索/排序、大型用户模型；利用最新人工智能进展构建原型，展示推荐系统的“可能性艺术”；与产品团队紧密合作，将研究突破转化为旗舰产品的部署解决方案，通过新方法应对工业规模的实际挑战
软件工程师 - AI模型精度与稀疏化
决定生产模型使用的精度、数值格式和稀疏化格式；推动新颖的研究进展，并将最具影响力的想法投入生产；通过极低精度和稀疏模型影响服务效率；帮助推动未来的谷歌硬件路线图以支持前瞻性数值格式；计算机科学或相关领域博士学位，至少2年以上相关经验
相关搜索词
这些词用于覆盖真实搜索需求，也方便用户继续定位公司、城市、岗位方向和薪资信息。
Google DeepMind算法与研究招聘Google DeepMind算法与研究招聘有哪些公司Google DeepMind算法与研究招聘薪资Google DeepMind算法与研究招聘岗位AI招聘Google DeepMind算法与研究招聘Google DeepMind招聘算法与研究招聘