Point your AI agent at freehire and let it find you a job. A CLI and an MCP server over the whole job API — no browser.
About Contiinex Contiinex is an AI-first enterprise automation platform for healthcare and insurance, purpose-built to understand unstructured conversations, documents, and workflows, and autonomously execute complex,…
At Cornelis we’re building the future of AI and HPC networking with an AI-first approach to silicon and software development. We’re seeking engineers who are energized by working on cutting-edge ASIC design and…
Huawei Canada has an immediate 12-month contract opening for an Engineer. About the team: The Software-Hardware System Optimization Lab continuously improves the power efficiency and performance of smartphone products…
Senior Site Reliability Engineer Location: Global Remote / San Francisco · Full-Time About Andromeda Andromeda is a market and infrastructure platform to buy, sell, and operate compute. We believe demand for compute…
At the heart of JP Morgan’s AI transformation is the Chief Analytics Office (CAO) — the team responsible for driving the firmwide adoption of artificial intelligence and advanced analytics. The CAO leads the strategy,…
简介：原生多模态旨在以统一的范式处理文本、视觉、语音等各个模态的数据，从而更加自然地进行模态融合，以及通过scaling友好的训练范式，解锁模型智能的新维度。 研究课题包括但不限于： 1、探索early fusion阶段，引入图文交错/audio等多模态序列数据自监督预训练带来的scaling价值。 2、原生全模态预训练的training dynamic探究，模态之间的关系建模。 3、通过SFT /…
简介：Reasoning（推理）是大模型理解和处理信息的核心能力，是通用智能水平逼近的重要观测维度。本课题聚焦于探究生成式模型的高级推理发生机制，提升大模型在复杂任务上的推理表现。 研究内容包括但不限于： 1、复杂任务推理应用效果优化，诸如逻辑推理、数学推理、代码推理、跨模态推理、多模型决策等。 2、RL scaling，通过大规模强化学习持续提升模型推理能力。 3、Test time…
简介：探索下一代大模型训练范式，从模型结构、训练策略、数据策略、算力利用率等角度切入，打造具有更强能力和更高潜力的基座模型 1、设计更高效的模型结构，提高给定数据量、计算量、硬件资源、输出序列长度等约束下的模型能力，如长序列能力、记忆能力等。 2、探索更科学和前沿的训练策略，对影响training dynamic的关键变量（如学习率、batchsize、初始化等）形成更科学的认知，探索diffusion LLM，test-time…
简介：Coding是当前 AI 技术落地最快、商业价值最大的方向之一。从代码补全到自主修复 GitHub Issue、到端到端软件工程自动化，大模型 Coding 能力的突破正在重塑整个软件开发范式。我们正在构建下一代具有强大代码生成与自主 Agent 能力的基座模型，打造可在真实工程环境中独立运作的 AI 开发者。 岗位职责 1、负责基座大模型在代码生成、代码理解、代码 debug…
简介：参与面向大模型训练/推理的高性能计算与系统优化工作，可根据个人背景和研究兴趣选择以下方向之一深入推进： 1、面向GPU/NPU 等多硬件平台的算子开发与极致性能优化(CUDA/Cutlass/TileLang)。 2、跟踪前沿模型算法并完成高性能工程落地，深入框架层开展算子融合、内存/通信优化、流水编排等系统级性能调优。 3、探索基于大模型的高性能 Kernel 自动合成技术，参考 LLM-driven Kernel…
简介：千亿参数、万亿Token、万卡集群——预训练的核心命题只有一个：在极限规模下，让每一张GPU都跑满，每一次迭代都不浪费。这是工程复杂度最高、也最能锻炼系统能力的地方。 你可能会做以下方向研究： 1、超大规模分布式训练 ①设计和优化ND并行（EP/CP/DP/TP/PP）+ MoE并行混合策略，支撑万亿参数模型训练。 ②深入 Megatron-LM 内核，针对美团模型架构做定制化设计、改造，性能优化。…
简介：大模型的能力上限，很大程度取决于训练系统的天花板。我们在做的事：让千亿参数的模型在万卡集群上跑得更快、更稳、更省——把每一张GPU的算力榨干，把每一次训练崩溃的损失降到最低，把工程师等待结果的时间从“几天”压到“几小时”。 1、分布式训练框架优化 ①深入源码，针对美团训练场景做定制化改造。 ②设计和实现更高效的张量并行、流水线并行、数据并行混合策略。 ③探索 MoE（混合专家）…
为什么加入我们 1. 你将直接影响 MiniMax大规模 GPU 集群的训练效率——通信是大规模分布式训练最关键的瓶颈之一，你的每一次优化都会体现在模型迭代速度上 2. 真实的 AI 原生大规模场景：不是实验室级别的 benchmark，而是 MoE专家并行、万卡训练等前沿架构下的通信挑战，你将在业界最前沿的工程实践中持续成长 3. 与训练框架、网络、硬件团队紧密协作，获得从 RDMA链路到分布式训练全栈的技术视野 我们在做什么…
Generative artificial intelligence is reshaping how we serve clients and run the firm. In the Chief Data and Analytics Office, you will lead the delivery of enterprise-grade generative artificial intelligence products…
Generative artificial intelligence is transforming how we build products, serve clients, and operate at scale. In the Chief Data and Analytics Office, you will help turn advanced models into dependable, secure, and…
We couldn't check your fit for this role — add a CV to your profile to see it next time.