今天看了看招聘信息

记录一下各类算法岗到底要求什么东西

字节跳动

视频生成算法工程师-Seed

1、参与视频生成基础模型相关结构的研究和开发，包括：VAE，MOE，Dynamic Attention，Streaming Multimodal Model；

2、参与视频生成全流程的研究和开发，包括：Data，Scaling Recipe，SFT，RLHF。

正式岗位似乎只收博士

1）图片/视频生成扩散模型；

2）视觉自监督学习/表示学习/生成理解统一；

3）动态模型结构设计；

4）大规模训练经验、SFT或RLHF经验；

多模态世界模型算法专家-Top Seed

只收博士

ACM/ICPC、NOI/IOI、Top Coder、Kaggle等比赛获奖者优先；

在CVPR、ECCV、ICCV、NeurIPS、ICLR、SIGGRAPH或SIGGRAPH Asia等顶级会议上发表论文者优先；

在多模态、大模型、基础模型、世界模型、RL、渲染生成领域，主导过大影响力项目者优先。

图片生成算法工程师-Seed

2、在计算机视觉一个或多个领域的研究和实践经验，包括但不限于以下方向：

1）多模态生成和理解：如图像/视频/3D生成和编辑文本，以及其他相关的多模态经验；

2）扩散模型，GAN，用于生成任务的转换器；

3）大规模训练经验、AIGC，LLM和RLHF等；

语音算法实习生-Data语音

1、2024届及以后毕业，硕士及以上学历在读，计算机科学/计算机工程/电子信息技术等相关专业；

2、有自然语言处理、语音合成与识别、音乐生成等研究或者技术背景优先；

3、有预训练技术，包括但不限于高效训练、强化学习，参与过研发音频、NLP相关的预训练模型及其下游应用者优先；

4、发表过领域顶级会议文章(NeurIPS、ICML、ICLR、ACL、Interspeech、ICASSP等)、相关实习经验或者ACM竞赛获奖者优先。

AIGC模型优化实习生-Seed

1、精通Python编程语言，熟悉Pytorch、FSDP、DeepSpeed、Megatron等分布式训练框架，有AIGC模型训练/推理优化优先；

2、具备坚实的计算机视觉和自然语言处理基础，熟悉LLM/VLM/SD等主流深度学习模型，并有实际模型训练经验；

阿里

AI Agent 应用开发工程师

  1. 掌握Python/Java/Go/C++等编程语言开发，具备扎实的算法与数据结构基础；

  2. 具备Agent系统开发经验，掌握LangChain/LLamaIndex/AutoGen等框架及实现原理，能够设计高可用、高扩展性的大模型/Agent工程架构；

  3. 掌握Prompt工程、RAG、Tool Calling、Context Engineering等AI应用关键技术；

  4. 能够进行工具集成，掌握OpenAPI、RPC、MCP等协议实现方案；

  5. 了解机器学习、深度学习框架（PyTorch/TensorFlow），有Transformer等模型实战经验优先；

算法工程师-计算机视觉

  1. 熟悉计算机视觉、机器学习、图像/视频分析与处理、多模态内容理解、AIGC等相关领域技术和应用；
  2. 具备极佳的工程实现能力，熟练掌握C/C++、Java、Python等至少一门语言；

【加分项】

  1. 在校园内或互联网公司有相关实习或项目经历；
  2. 在ICCV、CVPR等国际顶级会议、期刊上发表论文，或在相关学术会议组织的权威比赛中获奖。

算法工程师- AIGC方向（T-Star Lab 26届秋招）

  1. 精通Diffusion模型及相关技术，掌握T2V基础模型及相关技术原理，有图像/视频生成或处理相关经验；
  2. 具备卓越的工程实现能力，熟练掌握C/C++、Java、Python等至少一门编程语言；
  3. 熟练掌握深度学习框架，如TensorFlow、PyTorch；

【加分项】

  1. 具有文本到视频（T2V）、AIGC内容编辑、多模态视频理解等相关领域的实习或项目经验；
  2. 拥有百亿参数级别大模型训练经验，或具备超大规模数据集构建与管理经验；
  3. 在计算机视觉和人工智能领域的国际顶级会议（CVPR, ICCV, ECCV, AAAI, NeurIPS等）或期刊(T-PAMI, T-IP等)发表论文，或在权威学术竞赛中获奖。

算法工程师-AI动画与渲染

有图形学、Transformer、强化学习、Diffusion相关经验；

算法工程师-深度学习

  1. 对相关深度学习（如transformer）、AI算法模块（如多模态识别、大模型微调、强化学习、CoT、RAG等）有过动手实践经历、实习经历者优先考虑。
  2. 熟悉PyTorch、TensorFlow、HuggingFace、LangGraph等深度学习、AI研发框架。
  3. 熟悉Linux，熟悉java、python、C/C++其中至少一种编程语言。
  4. 熟悉传统机器学习、深度学习算法，能够应用于如销量预测／个性化推荐／图像识别／自然语言处理／OCR/语音识别等实践方向。

腾讯

技术研究-机器学习方向 实习

  1. 熟悉常用机器学习算法，尤其是深度学习、增强学习等相关领域，对模式识别，概率统计、最优化等算法原理及应用，有扎实的基础，深入的理解和浓厚的兴趣；

  2. 熟练掌握C/C++、Java、Python等至少一门编程语言，有较强动手能力。了解目前常见的机器学习或者深度学习框架中的一个或者多个：Spark，XGBoost，Caffe，Tensorflow等；

  3. 在NeurIPS、ICML、KDD、AAAI、IJCAI、UAI、AISTAT、ICLR、ECMLSIGIR等机器学习领域会议或期刊以第一作者发表过文章，或者有相关的开源项目贡献经验。