Centre des grands modèles du laboratoire d’intelligence artificielle de Shanghai | Recrutement mondial

Le laboratoire d’intelligence artificielle de Shanghai (Shanghai AI Lab) recrute des talents en grands modèles à l’échelle mondiale. Le laboratoire a lancé la famille de grands modèles InternLM, couvrant InternLM et InternVL, les modèles de fondation généralistes, ainsi que plusieurs modèles spécialisés par domaine. Parallèlement, le laboratoire a construit un système d’évaluation de grands modèles (OpenCompass), qui, dans une perspective purement technique et neutre, fournit au secteur des références d’indicateurs de capacités et des orientations d’optimisation. Attaché à l’idée de stimuler l’innovation par l’open source et l’ouverture, le laboratoire a favorisé la naissance de près d’un millier de projets innovants en ouvrant les grands modèles InternLM et leur chaîne d’outils, et a contribué, avec des partenaires de tous horizons, à la prospérité de l’écosystème de l’IA et au développement industriel.

D’après Shanghai Science and Technology, 12 novembre 2024
Le laboratoire d’intelligence artificielle de Shanghai (Shanghai AI Lab) recrute des talents en grands modèles à l’échelle mondiale. Le laboratoire a lancé la famille de grands modèles InternLM, couvrant InternLM et InternVL, les modèles de fondation généralistes, ainsi que plusieurs modèles spécialisés par domaine. Parallèlement, le laboratoire a construit un système d’évaluation de grands modèles (OpenCompass), qui, dans une perspective purement technique et neutre, fournit au secteur des références d’indicateurs de capacités et des orientations d’optimisation. Attaché à l’idée de stimuler l’innovation par l’open source et l’ouverture, le laboratoire a favorisé la naissance de près d’un millier de projets innovants en ouvrant les grands modèles InternLM et leur chaîne d’outils, et a contribué, avec des partenaires de tous horizons, à la prospérité de l’écosystème de l’IA et au développement industriel.
Nous recrutons actuellement pour les postes suivants ; les candidatures sont les bienvenues.
Postes à temps plein (ouverts aux candidats expérimentés et aux jeunes diplômés)
  • Jeune chercheur / postdoctorant en apprentissage par renforcement pour grands modèles

  • Jeune chercheur en algorithmes de grands modèles

  • Jeune chercheur en génération de parole et de musique

  • Jeune chercheur en reconnaissance et compréhension de la parole

  • Jeune chercheur / ingénieur de recherche en grands modèles multimodaux vidéo

  • Jeune chercheur / ingénieur de recherche en perception et interaction des grands modèles multimodaux

  • Ingénieur algorithmes, optimisation de l’entraînement des grands modèles de langage

  • Ingénieur algorithmes, apprentissage par renforcement pour grands modèles

  • Ingénieur algorithmes, évaluation des grands modèles multimodaux

  • Ingénieur données, grands modèles multimodaux

  • Ingénieur en évaluation de grands modèles

  • Chef de produit grands modèles

Postes de stage
  • Stagiaire de recherche, algorithmes d’évaluation de grands modèles

  • Stagiaire ingénieur, algorithmes d’évaluation de grands modèles

  • Stagiaire, optimisation de l’entraînement des grands modèles de langage

  • Stagiaire, algorithmes d’apprentissage par renforcement pour grands modèles

  • Stagiaire, déploiement de grands modèles

  • Stagiaire, quantification de grands modèles

  • Stagiaire, renforcement des capacités des grands modèles

  • Stagiaire, ingénierie des données pour grands modèles multimodaux

  • Stagiaire, moteur d’entraînement RLHF

(Faites défiler vers le haut ou vers le bas pour consulter le détail des postes concernés)
                   

Comment postuler

Méthode 1 :

Envoyez votre CV à la fois à [email protected] et à [email protected]

Format de nommage de l’e-mail et du fichier CV : Nom – intitulé du poste demandé – (temps plein/stage)

 

Méthode 2 :

Rendez-vous sur le site officiel du laboratoire d’intelligence artificielle de Shanghai (www.shlab.org.cn)

cliquez sur « Rejoindre » dans la barre de navigation, consultez le poste correspondant et postulez. (Cliquez sur lire l’article original en bas de page pour y accéder directement.)

Postes à temps plein (ouverts simultanément aux candidats expérimentés et aux jeunes diplômés)

 

Jeune chercheur / postdoctorant en apprentissage par renforcement pour grands modèles

 

Missions : Participer à la recherche sur l’apprentissage par renforcement et ses lois d’échelle (Scaling Law) lors de la phase de post-entraînement des grands modèles InternLM du laboratoire. Le travail comprend : 1. la participation à la recherche sur les algorithmes d’apprentissage par renforcement de la phase de post-entraînement, principalement sur les algorithmes fondés sur l’IA et les retours de l’environnement (RLXF) ainsi que sur les algorithmes d’apprentissage par renforcement multi-agents centrés sur les grands modèles, couvrant des tâches complexes telles que le suivi d’instructions, le raisonnement complexe, le code et la navigation web en contextes textuel et multimodal image-texte ; 2. la participation à la recherche sur les modèles de récompense et d’évaluation réflexive, l’étude d’une supervision de processus fine et généralisable et de la modélisation de récompense, et l’exploration d’algorithmes d’apprentissage par renforcement fondés sur des retours fins, couvrant les mêmes tâches complexes ; 3. la participation à la recherche sur les lois d’échelle des phases de post-entraînement et d’inférence, y compris l’entraînement des modèles de récompense et d’évaluation réflexive, la phase d’apprentissage par renforcement et la phase d’inférence ; 4. la participation à la recherche sur les modèles du monde, en étudiant des algorithmes de planification par raisonnement et d’apprentissage par renforcement fondés sur les modèles du monde pour des scénarios de raisonnement et de planification complexes en contextes textuel et multimodal image-texte ; 5. la participation à la promotion de la mise en pratique et de l’application à grande échelle des dernières solutions de post-entraînement par apprentissage par renforcement.

Profil recherché : 1. Doctorat, de préférence en intelligence artificielle ou dans un domaine connexe (informatique, mathématiques, statistiques, génie électronique, etc.) ; une expérience de recherche en apprentissage par renforcement est un plus ; 2. bonne connaissance des travaux de recherche et des algorithmes du domaine des grands modèles, en particulier ceux liés à l’apprentissage par renforcement, avec une base de R&D en apprentissage par renforcement pour grands modèles ; les candidats ayant publié des articles très influents dans des conférences de premier plan, remporté des prix dans des concours reconnus ou travaillé dans des institutions de recherche de premier rang sont privilégiés ; 3. maîtrise de langages et de bibliothèques tels que Python, PyTorch et Ray, capacité à évaluer les dernières tendances de recherche du domaine et à comparer systématiquement les résultats pertinents pour formuler des plans d’exploration ; une expérience de développement et d’optimisation d’ingénierie sur des systèmes d’entraînement par apprentissage par renforcement, des systèmes d’entraînement de grands modèles et les bibliothèques de bas niveau associées est un plus ; 4. sens des objectifs, excellente vision et jugement académiques, grandes capacités de formulation, d’analyse et de résolution de problèmes, bon esprit d’équipe et de communication.

Jeune chercheur en algorithmes de grands modèles (raisonnement mathématique)

 

Missions : 1. Participer à la recherche sur l’amélioration des capacités de raisonnement complexe (mathématiques, sciences, code) lors de la phase de post-entraînement des grands modèles InternLM du laboratoire et sur leurs lois d’échelle (Scaling Law). Le travail comprend : 2. la participation à la recherche algorithmique sur l’amélioration des capacités de raisonnement complexe en phase de post-entraînement, l’exploration de pistes techniques telles que la synthèse de données de haute qualité et l’apprentissage par renforcement afin d’améliorer le raisonnement complexe des grands modèles, couvrant des tâches de raisonnement mathématique, scientifique et de code en contextes textuel et multimodal image-texte ; 3. la participation à la recherche sur les lois d’échelle des capacités de raisonnement complexe dans les phases de post-entraînement et d’inférence (Inference Time), y compris l’entraînement des modèles de récompense et d’évaluation réflexive, la phase d’apprentissage par renforcement et la phase d’inférence ; 4. la participation à la promotion de la mise en pratique et de l’application à grande échelle des dernières solutions de post-entraînement visant à améliorer le raisonnement complexe.

Profil recherché : 1. Doctorat, de préférence en intelligence artificielle et disciplines connexes (informatique, mathématiques, sciences cognitives, etc.) ; 2. bonne connaissance des travaux de recherche et des algorithmes du domaine des grands modèles, avec une base de R&D dans l’amélioration des capacités de raisonnement des grands modèles ; les candidats ayant publié des articles très influents dans des conférences de premier plan, remporté des prix dans des concours reconnus ou travaillé dans des institutions de recherche de premier rang sont privilégiés ; 3. maîtrise de Python, PyTorch et d’autres langages ainsi que des bibliothèques liées à l’entraînement et au réglage fin des grands modèles, capacité à évaluer les dernières tendances de la recherche et à comparer systématiquement les résultats pertinents pour formuler des plans d’exploration ; une expérience de développement et d’optimisation d’ingénierie sur des systèmes d’entraînement par apprentissage par renforcement, des systèmes d’entraînement de grands modèles et les bibliothèques de bas niveau associées est un plus ; 4. sens des objectifs, excellente vision et jugement académiques, grandes capacités de formulation, d’analyse et de résolution de problèmes, bon esprit d’équipe et de communication.

 

Jeune chercheur en génération de parole et de musique

 

Missions : 1. Faire progresser la R&D sur les technologies de génération de parole et de musique, avec notamment pour thèmes de recherche la génération de parole, la génération de musique, les événements audio, la génération multimodale (par exemple la génération de présentateurs pilotée par l’audio et le doublage vidéo), l’application des modèles génératifs aux tâches de génération audio et le transfert de style musical ; 2. explorer l’application de la génération de parole et de musique dans les grands modèles multimodaux, par exemple en étudiant comment intégrer des modèles de synthèse vocale dans les grands modèles multimodaux ; 3. publier des résultats de recherche dans des conférences et revues académiques de premier plan, déposer des brevets et valoriser les résultats ; 4. participer à la construction de la communauté open source du laboratoire et à la R&D de la plateforme de recherche de l’équipe.

Profil recherché : 1. Doctorat, de préférence en informatique ou dans une discipline connexe, avec un solide bagage de recherche en génération de parole, en génération de musique ou dans des domaines apparentés ; 2. bonne connaissance des modèles génératifs courants ; les candidats ayant publié des articles dans les conférences de premier plan du domaine de la parole (ICASSP, INTERSPEECH, ASRU/SLT, etc.) ou dans des revues (IEEE/ACM TASLP, JASA, etc.), ou dans les conférences de premier plan en apprentissage automatique (NeurIPS, ICLR, ICML, etc.) sont privilégiés ; 3. maîtrise des frameworks d’apprentissage profond et excellentes capacités d’implémentation d’algorithmes et d’optimisation de code ; 4. esprit d’innovation, capacité à mener des tâches de recherche de manière autonome et à encadrer des doctorants et des stagiaires ; 5. forte envie de progresser et bonnes capacités de communication et de travail en équipe.

 

Jeune chercheur en reconnaissance et compréhension de la parole

 

Missions : 1. Faire progresser la recherche de pointe sur les technologies de reconnaissance et de compréhension de la parole, notamment la reconnaissance vocale, la synthèse vocale, la reconnaissance et la compréhension multilingues et la traduction vocale ; 2. favoriser l’amélioration des capacités de reconnaissance et de compréhension de la parole dans les grands modèles multimodaux et explorer l’intégration profonde des signaux vocaux avec d’autres modalités (images, texte, vidéo) ; 3. publier des articles académiques de haut niveau dans des conférences et revues internationales de premier plan, déposer des brevets et valoriser les résultats ; 4. participer à la construction de la communauté open source du laboratoire et à la R&D de la plateforme de recherche de l’équipe.

Profil recherché : 1. Doctorat, de préférence en informatique ou dans une discipline connexe ; les candidats ayant publié des articles dans les conférences de premier plan du domaine de la parole (ICASSP, INTERSPEECH, ASRU/SLT, etc.) ou dans des revues (IEEE/ACM TASLP, JASA, etc.) sont privilégiés ; 2. expérience de recherche ou professionnelle en reconnaissance vocale, traitement du langage naturel, modèles de fondation ou domaines connexes, et connaissance de l’application des modèles d’apprentissage profond tels que Transformer et RNN aux tâches de parole ; 3. maîtrise des frameworks d’apprentissage profond et excellentes capacités d’implémentation d’algorithmes et d’optimisation de code ; 4. esprit d’innovation, capacité à mener des tâches de recherche de manière autonome et à encadrer des doctorants et des stagiaires ; 5. forte envie de progresser et bonnes capacités de communication et de travail en équipe.

 

Jeune chercheur / ingénieur de recherche en grands modèles multimodaux vidéo

 

Missions : 1. Être responsable de la recherche algorithmique et de la R&D sur la compréhension de vidéos longues par les grands modèles, en améliorant les capacités associées des grands modèles multimodaux dans des domaines incluant notamment la compréhension vidéo, l’apprentissage multimodal et les systèmes de dialogue, la conception d’architectures et la construction de jeux de données ; 2. proposer et implémenter des algorithmes de pointe, maintenir les algorithmes à l’avant-garde dans les mondes académique et industriel, et favoriser l’optimisation des performances et le déploiement de divers algorithmes dans de nombreuses applications concrètes.

Profil recherché : 1. Master ou diplôme supérieur, de préférence en informatique et technologie, intelligence artificielle ou disciplines connexes ; une expérience professionnelle pertinente est un plus ; 2. maîtrise des méthodes fondamentales d’apprentissage automatique (apprentissage profond), connaissance des problèmes et algorithmes courants en vision par ordinateur, et maîtrise d’au moins un framework d’apprentissage profond tel que PyTorch ou TensorFlow ; 3. maîtrise des algorithmes techniques d’un ou plusieurs domaines mentionnés dans les missions, avec une expérience et des productions de recherche pertinentes ; 4. excellentes capacités d’analyse et de résolution de problèmes, passion pour les problèmes difficiles et forte motivation personnelle ; 5. solides capacités d’implémentation d’algorithmes et maîtrise de Python, C/C++ ; 6. la priorité sera donnée aux candidats présentant l’une des réalisations académiques suivantes : des articles de recherche, en particulier dans des conférences ou revues de premier plan telles que CVPR/ICCV/ECCV/NeurIPS/ICML/ICLR/AAAI/SIGGRAPH (sans ordre de priorité) ; une expérience de la compréhension de vidéos longues, avec des compétences en conception, optimisation et validation d’architectures associées ; de solides compétences de programmation avec une médaille d’or ou mieux dans une compétition régionale ACM-ICPC/CCPC, une médaille d’argent ou mieux à l’EC Final, une mention honorable ou mieux au World Final, ou un classement dans les 5 % premiers ou un score parfait à Google Code Jam/KickStart ou Facebook Hackathon ; la participation à des compétitions influentes du domaine ou du secteur, telles que Kaggle/Codalab/KDD Cup/DrivenData/Alibaba Tianchi, avec un classement dans les 5 % premiers.

 

Jeune chercheur / ingénieur de recherche en perception et interaction des grands modèles multimodaux

 

Missions : 1. Faire progresser la recherche sur les technologies de perception et d’interaction des grands modèles multimodaux, notamment l’alignement multimodal, l’interaction multimodale vidéo et parole, la mémoire à long terme multimodale et l’apprentissage par renforcement multimodal ; 2. participer à la R&D et à la livraison des projets de grands modèles multimodaux du laboratoire ainsi qu’à la maintenance des projets open source.

Profil recherché : 1. Master ou diplôme supérieur, de préférence en informatique ou dans une discipline connexe, avec un bagage en apprentissage profond (vision par ordinateur, traitement du langage naturel, etc.) ; une base en entraînement et déploiement de grands modèles est un plus ; 2. les candidats ayant publié dans des conférences ou revues de premier plan (CVPR, ICCV, ECCV, NeurIPS, ICLR, ICML, ICASSP, INTERSPEECH, etc.) sont privilégiés ; 3. maîtrise des frameworks d’apprentissage profond et excellentes capacités d’implémentation d’algorithmes et d’optimisation de code ; 4. esprit d’innovation, capacité à mener des tâches de recherche de manière autonome et à encadrer des stagiaires ; 5. forte envie de progresser et bonnes capacités de communication et de travail en équipe.

 

Ingénieur algorithmes, optimisation de l’entraînement des grands modèles de langage

 

Missions : 1. Participer à l’entraînement et au réglage des grands modèles de langage, stabiliser l’entraînement et améliorer son efficacité ; 2. optimiser l’ensemble du processus, de la production et du dosage des données jusqu’à l’entraînement des grands modèles ; 3. être responsable des travaux liés à la bibliothèque d’algorithmes des grands modèles de langage, l’implémenter et la maintenir.

Profil recherché : 1. Master ou diplôme supérieur, de préférence en informatique ou en intelligence artificielle ; 2. bonne connaissance des modèles courants de traitement du langage naturel, et expérience de l’entraînement et du réglage fin de grands modèles associés ; 3. maîtrise de Python et PyTorch, solides compétences d’ingénierie, et connaissance du développement CUDA et de l’optimisation des performances ; 4. connaissance des frameworks d’entraînement de grands modèles tels que Deepspeed, Colossalai ou Megatron ; 5. articles en conférence de premier plan, travaux académiques reconnus, expérience de projets open source ou résultats en compétitions internationales sont des atouts.

 

Ingénieur algorithmes, apprentissage par renforcement pour grands modèles (apprentissage par renforcement multi-objectifs)

 

Missions : Participer à l’itération de R&D et à la montée en échelle d’ingénierie des technologies d’apprentissage par renforcement de la phase de post-entraînement des grands modèles InternLM du laboratoire. Le travail comprend notamment : 1. la participation à l’itération de R&D des algorithmes d’apprentissage par renforcement de la phase de post-entraînement des modèles InternLM, y compris l’optimisation et la montée en version des algorithmes fondés sur les retours humains, de l’IA et de l’environnement (RLXF), ainsi que la R&D et le réglage d’algorithmes généraux d’apprentissage par renforcement multi-objectifs couvrant le suivi d’instructions, le raisonnement complexe, le code, la suppression des hallucinations et d’autres tâches ; 2. la responsabilité de la construction de données de préférence et de retours d’apprentissage par renforcement de haute qualité et à grande échelle ainsi que de jeux de données d’entraînement, et le développement et l’itération de modèles de récompense généralisables, avec des tâches cibles incluant notamment les données textuelles, d’images et de vidéos et couvrant le dialogue subjectif, le suivi d’instructions, le raisonnement complexe, le code et la suppression des hallucinations ; 3. la responsabilité du développement et de l’optimisation d’ingénierie du framework d’entraînement par apprentissage par renforcement des grands modèles, ainsi que la participation à sa maintenance quotidienne, à l’itération de R&D et à l’amélioration de l’efficacité de l’entraînement à grande échelle.

Profil recherché : 1. Licence ou diplôme supérieur, de préférence en intelligence artificielle ou dans une discipline connexe (informatique, mathématiques, statistiques, génie électronique, etc.) ; une expérience de recherche en apprentissage par renforcement est un plus, un doctorat est préféré ; 2. bonne connaissance des travaux de recherche et des algorithmes du domaine de l’apprentissage par renforcement ainsi que des travaux de recherche sur les grands modèles ; une expérience professionnelle dans l’apprentissage par renforcement est un plus ; 3. maîtrise de langages et de bibliothèques tels que Python, PyTorch et Ray, capacité à lire et reproduire rapidement des articles, et à comparer systématiquement les résultats pertinents pour formuler des plans d’amélioration ; une expérience de développement et d’optimisation d’ingénierie sur des systèmes d’entraînement par apprentissage par renforcement, des systèmes d’entraînement de grands modèles et les bibliothèques de bas niveau associées est un plus ; 4. sens des objectifs, grandes capacités de formulation, d’analyse et de résolution de problèmes, bon esprit d’équipe et de communication ; les candidats ayant publié dans des conférences de premier plan, remporté des prix dans des concours reconnus ou travaillé dans des institutions de recherche de premier rang sont privilégiés.

 

Ingénieur algorithmes, évaluation des grands modèles multimodaux

 

Missions : 1. Participer à la construction du système d’évaluation des grands modèles multimodaux ; 2. être responsable du développement et de la maintenance du framework d’évaluation de ces modèles ; 3. être responsable de la livraison des classements de grands modèles multimodaux et du rayonnement du système d’évaluation ; 4. participer à la construction de benchmarks d’évaluation adaptés à des tâches ou capacités multimodales spécifiques ; 5. analyser et organiser les résultats expérimentaux et présenter clairement et efficacement les résultats de recherche.

Profil recherché : 1. Master ou diplôme supérieur, de préférence en intelligence artificielle, informatique, automatique ou disciplines connexes ; une expérience professionnelle d’un an ou plus est un plus ; 2. solides bases en apprentissage automatique et capacité à saisir rapidement les dernières avancées de la recherche ; les candidats ayant publié dans des conférences ou revues de premier plan en vision par ordinateur, apprentissage automatique ou traitement du langage naturel sont privilégiés ; 3. excellentes compétences de programmation, maîtrise de Python, des frameworks d’apprentissage automatique tels que PyTorch, et expérience du développement et de la maintenance de projets d’assez grande envergure ; 4. bonnes capacités de communication et de collaboration, capacité à explorer et franchir avec l’équipe les difficultés du domaine ; excellentes capacités d’analyse et de résolution de problèmes et volonté d’apprendre proactive.

 

Ingénieur données, grands modèles multimodaux

 

Missions : 1. Se consacrer au nettoyage, au filtrage et à l’organisation des données des grands modèles multimodaux et travailler en étroite collaboration avec l’équipe d’entraînement des modèles afin de garantir un soutien de données de haute qualité aux projets d’apprentissage automatique. 2. Nettoyage et organisation des données : être responsable de la collecte et du traitement des données brutes, identifier et corriger les erreurs et anomalies afin de garantir l’exactitude et la cohérence des données ; 3. construire en collaboration les jeux de données d’entraînement : travailler en étroite collaboration avec l’équipe d’entraînement, comprendre les besoins du projet et construire et préparer des jeux de données d’entraînement de haute qualité conformes aux exigences afin d’améliorer les performances des modèles ; 4. développer des pipelines de traitement des données : concevoir et maintenir des pipelines automatisés afin d’améliorer l’efficacité du nettoyage et de l’organisation des données et de réduire l’intervention manuelle ; 5. surveiller et maintenir les pipelines : suivre en temps réel l’état de fonctionnement des pipelines, identifier et résoudre rapidement les problèmes potentiels et garantir la continuité et la stabilité des flux de données ; 6. documenter et partager les bonnes pratiques : rédiger une documentation claire, consigner les processus et méthodes de traitement des données et partager les bonnes pratiques avec l’équipe afin de favoriser le transfert de connaissances.

Profil recherché : 1. Licence ou diplôme supérieur, de préférence en informatique, génie logiciel, information électronique ou disciplines connexes ; plus d’un an d’expérience en nettoyage de données ; 2. maîtrise du langage Python et capacité à utiliser les bibliothèques associées (Pandas, NumPy, etc.) pour le traitement des données ; une expérience de Spark est un plus ; 3. connaissance des bases relatives aux grands modèles ; une expérience des grands modèles est un plus, avec la capacité de l’appliquer au traitement et à l’analyse des données ; bonnes capacités de communication et capacité à collaborer efficacement avec différents membres de l’équipe et à faire avancer les projets.

 

Ingénieur en évaluation de grands modèles

 

Missions : 1. Être responsable de la construction du système technologique d’évaluation des grands modèles (OpenCompass), notamment la mise en place des systèmes d’évaluation, l’itération des schémas et des jeux d’évaluation, l’exécution et l’analyse des évaluations et la publication des classements ; 2. mener des recherches techniques liées à l’évaluation, par exemple sur les capacités de raisonnement complexe des grands modèles, l’expérience de dialogue subjective, des capacités spécifiques comme la compréhension et la génération de textes longs, et explorer des pistes techniques d’évaluation dynamique ; 3. être responsable de l’analyse des capacités des grands modèles internes et externes et produire des rapports d’analyse sectorielle et des livres blancs techniques ; 4. soutenir la coopération écosystémique en matière d’évaluation des grands modèles et renforcer continuellement le rayonnement d’OpenCompass.

Profil recherché : 1. Licence ou diplôme supérieur, de préférence en informatique et technologie, intelligence artificielle ou disciplines connexes ; trois ans ou plus d’expérience professionnelle sont un plus ; 2. une certaine expérience des algorithmes liés au traitement du langage naturel ou aux grands modèles ; 3. une expérience de la livraison de tests de qualité ou du développement d’ingénierie de test est un plus ; 4. la connaissance du front-end, du back-end et des bases de données, ainsi que des outils associés, est un plus ; 5. rigueur et minutie dans le travail, bonnes capacités de communication, esprit d’équipe et capacité à résoudre les problèmes de manière autonome.

 

Chef de produit grands modèles

 

Missions : 1. Être responsable des travaux produits liés aux grands modèles, notamment la conception des parcours de dialogue, la génération de contenus de dialogue, la conception de la logique d’interaction et le déploiement et l’évaluation des modèles ; 2. être responsable de la recherche et de la conception de technologies associées telles que le traitement du langage naturel et l’apprentissage automatique afin d’améliorer continuellement les performances et l’expérience utilisateur des systèmes de dialogue ; 3. participer à l’évaluation, à la conception et à l’optimisation des fonctionnalités produit appliquant des algorithmes de grands modèles de pointe.

Profil recherché : 1. Licence ou diplôme supérieur, de préférence en informatique, intelligence artificielle, psychologie ou disciplines connexes ; une expérience professionnelle d’un an ou plus est un plus ; 2. compréhension des principes techniques et du potentiel des grands modèles de langage, connaissance des technologies associées telles que le traitement du langage naturel et l’apprentissage automatique ; une expérience de projet pertinente est un plus ; 3. connaissance des fonctionnalités et de la logique produit des outils de messagerie, des logiciels de messagerie instantanée et des réseaux sociaux ; 4. fortes capacités d’apprentissage et de travail en équipe.

Postes de stage

Stagiaire de recherche, algorithmes d’évaluation de grands modèles

 

Missions : 1. Participer à l’itération de R&D des grands modèles de langage, mener des recherches approfondies et suivre les technologies de pointe dans le domaine des LLM et des orientations associées, avec une attention particulière à l’évaluation, à l’alignement et aux domaines connexes ; 2. participer à la construction de projets open source reconnus, à la R&D d’algorithmes de pointe liés aux grands modèles de langage, à la publication d’articles dans des conférences internationales de premier plan et au dépôt de brevets ; 3. participer à la R&D des logiciels et plateformes d’outils d’évaluation des grands modèles et à la construction de projets open source reconnus.

Profil recherché : 1. Doctorant en cours de formation, de préférence en intelligence artificielle, informatique, automatique ou mathématiques ; 2. solides bases en structures de données et en conception d’algorithmes, maîtrise d’un ou plusieurs langages de programmation parmi Python et C++, maîtrise des frameworks d’apprentissage profond tels que PyTorch et TensorFlow ; une expérience de grands projets open source est un plus ; 3. connaissance de l’architecture de base des grands modèles, bases algorithmiques solides et compréhension des avancées de pointe des LLM et VLM, du réglage fin, de l’évaluation des performances et de leurs applications en aval ; 4. au moins un article académique soumis ou publié en tant que premier auteur dans une conférence académique internationale de premier plan ; des résultats remarquables dans des compétitions en traitement du langage naturel, multimodalité, vision par ordinateur ou apprentissage automatique sont privilégiés ; 5. disponibilité de quatre à cinq jours par semaine et possibilité d’effectuer un stage continu de plus de trois mois, bonnes capacités de lecture et d’écriture en anglais et bases mathématiques solides ; fort sens des responsabilités, proactivité et bonnes capacités de communication et de travail en équipe.

 

Stagiaire ingénieur, algorithmes d’évaluation de grands modèles

 

Missions : 1. Participer à la R&D des logiciels et plateformes d’outils d’évaluation des grands modèles et à la construction de projets open source reconnus ; 2. participer à l’itération de R&D des grands modèles de langage, mener des recherches approfondies et suivre les technologies de pointe dans le domaine des LLM et des orientations associées, avec une attention particulière à l’évaluation, à l’alignement et aux domaines connexes.

Profil recherché : 1. Étudiant en licence ou de niveau supérieur, de préférence en intelligence artificielle, informatique, automatique ou mathématiques ; 2. solides bases en structures de données et en conception d’algorithmes, maîtrise d’au moins un des langages Python et C++, maîtrise des frameworks d’apprentissage profond tels que PyTorch et TensorFlow ; une expérience de grands projets open source est un plus ; 3. connaissance de l’architecture de base des grands modèles, bases algorithmiques solides et compréhension des avancées de pointe des LLM, de l’évaluation des performances et de leurs applications en aval ; des résultats remarquables dans des compétitions en traitement du langage naturel, multimodalité, vision par ordinateur ou apprentissage automatique, ou des articles académiques publiés, sont privilégiés ; 4. disponibilité de quatre à cinq jours par semaine et possibilité d’effectuer un stage continu de plus de trois mois, bonnes capacités de lecture et d’écriture en anglais et bases mathématiques solides ; fort sens des responsabilités, proactivité et bonnes capacités de communication et de travail en équipe.

 

Stagiaire, optimisation de l’entraînement des grands modèles de langage

 

Missions : 1. Participer à l’entraînement et au réglage des grands modèles de langage, stabiliser l’entraînement et améliorer son efficacité ; 2. participer à l’optimisation de l’ensemble du processus, de la production et du dosage des données jusqu’à l’entraînement des grands modèles ; 3. participer aux travaux liés à la bibliothèque d’algorithmes des grands modèles de langage.

Profil recherché : 1. Étudiant en licence ou de niveau supérieur, de préférence en informatique ou en intelligence artificielle ; les candidats ayant publié dans des conférences de premier plan sont privilégiés ; 2. bonne connaissance des modèles courants de traitement du langage naturel, et expérience de l’entraînement et du réglage fin de grands modèles associés ; 3. maîtrise de Python et PyTorch avec de solides compétences d’ingénierie ; la connaissance du développement CUDA et de l’optimisation des performances est un plus ; 4. connaissance des frameworks d’entraînement de grands modèles tels que Deepspeed, Colossalai ou Megatron ; travaux académiques reconnus, projets open source ou résultats en compétitions internationales sont des atouts.

 

Stagiaire, algorithmes d’apprentissage par renforcement pour grands modèles (évolution autonome multi-agents)

 

Missions : Participer à la recherche liée à l’évolution autonome multi-agents des grands modèles InternLM du laboratoire. Le travail comprend : 1. la participation à l’exploration de recherche sur le système de collaboration multi-agents des modèles InternLM, en étudiant comment élargir les frontières de capacités du système et relever son plafond de capacités ; 2. la participation à l’exploration de méthodes d’évolution autonome des systèmes multi-agents et de moyens tels que l’apprentissage par renforcement pour améliorer la disponibilité, la fiabilité et la généralisation des systèmes de collaboration multi-agents ; 3. la participation à la recherche sur des méthodes d’évaluation fines des systèmes multi-agents, notamment la conception de méthodes d’évaluation fiables et fines pour apprécier les frontières de capacités et la fiabilité des systèmes multi-agents.

Profil recherché : 1. Doctorant en cours de formation, de préférence en intelligence artificielle et disciplines connexes (informatique, mathématiques, sciences cognitives, etc.) ; 2. bonne connaissance des travaux de recherche et des algorithmes du domaine des grands modèles, en particulier de l’apprentissage par renforcement (multi-agents), avec une base de recherche sur les agents à grands modèles et l’apprentissage par renforcement ; les candidats ayant publié des articles très influents dans des conférences de premier plan, remporté des prix dans des concours reconnus ou effectué des stages dans des institutions de recherche de premier rang sont privilégiés ; 3. maîtrise de langages et de bibliothèques tels que Python, PyTorch et Ray, capacité à évaluer les dernières tendances de la recherche et à formuler des plans de recherche et des protocoles expérimentaux ; une expérience de développement et d’expérimentation sur des systèmes multi-agents, l’entraînement par apprentissage par renforcement ou l’entraînement de grands modèles est un plus ; 4. sens des objectifs, excellente vision et jugement académiques, grandes capacités de formulation, d’analyse et de résolution de problèmes, bon esprit d’équipe et de communication.

 

Stagiaire, déploiement de grands modèles

 

Missions : 1. Participer à la R&D du projet LMDeploy, en soutenant l’inférence et l’optimisation des modèles multimodaux ; 2. participer au soutien, à la construction et au développement des familles de modèles InternLM et InternVL dans les projets d’écosystème de déploiement en aval.

Profil recherché : 1. Étudiant en licence ou de niveau supérieur, de préférence en informatique, intelligence artificielle, mathématiques ou disciplines connexes ; 2. maîtrise de Python ou C++ et de PyTorch, avec de solides compétences d’ingénierie ; 3. connaissance des structures des modèles LLM et VLM courants et expérience de projets liés à l’optimisation de l’inférence des modèles ; 4. les candidats ayant ajouté le support de modèles à des frameworks d’inférence LLM open source tels que Llama.cpp, VLLM ou LMDeploy sont privilégiés ; 5. la capacité à développer des opérateurs avec OpenAI Triton ou CUDA est un plus.

 

Stagiaire, quantification de grands modèles

 

Missions : Participer à l’optimisation continue des performances d’inférence des grands modèles quantifiés et à l’exploration d’algorithmes de quantification à moindre coût.

Profil recherché : 1. Étudiant en licence ou de niveau supérieur, de préférence en informatique, intelligence artificielle, mathématiques ou disciplines connexes ; 2. connaissance des algorithmes de pointe de quantification des LLM tels que AWQ et GPTQ, et compréhension des principes de base de CUDA ; 3. capacité à développer des opérateurs avec OpenAI Triton ou CUDA.

 

Stagiaire, renforcement des capacités des grands modèles

 

Missions : 1. Participer à la R&D sur la construction de données et les algorithmes d’entraînement des grands modèles ; 2. analyser les changements de comportement et les facteurs liés aux données pendant l’entraînement des grands modèles ; 3. participer à l’entraînement des grands modèles afin d’obtenir un renforcement ciblé des capacités.

Profil recherché : 1. Étudiant en licence ou de niveau supérieur, de préférence en informatique, mathématiques, statistiques et disciplines connexes ; 2. compétences de programmation confirmées, connaissance approfondie des algorithmes et de l’apprentissage automatique, maîtrise d’outils de développement courants tels que Python et PyTorch ; 3. connaissances en apprentissage profond, langage naturel et vision par ordinateur, et familiarité avec les technologies liées aux grands modèles ; 4. les candidats ayant publié des articles à ACL, CVPR, ICCV, NAACL, EMNLP, COLING, NIPS, ICML, AAAI ou dans des conférences similaires sont privilégiés. 5. une expérience ou des connaissances en traitement de données, synthèse, enrichissement par CoT, RL, MCTS, etc. sont un plus. 6. disponibilité de quatre à cinq jours par semaine et possibilité d’effectuer un stage continu de plus de quatre mois.

 

Stagiaire, ingénierie des données pour grands modèles multimodaux

 

Missions : 1. Travailler en étroite collaboration avec l’équipe d’entraînement des modèles et apprendre à préparer et traiter des données de haute qualité pour soutenir les projets d’apprentissage automatique ; 2. aider au nettoyage et à l’organisation des données : collecter et traiter des données brutes sous supervision, apprendre à identifier et corriger les erreurs et anomalies afin de garantir l’exactitude des données ; 3. soutenir la construction des jeux de données d’entraînement : travailler avec l’équipe d’entraînement, comprendre les besoins du projet et aider à construire et préparer des jeux de données conformes pour soutenir l’entraînement des modèles ; 4. participer au développement des pipelines de traitement des données : apprendre à concevoir et maintenir des pipelines, améliorer progressivement l’efficacité du nettoyage et de l’organisation des données et réduire les opérations manuelles ; 5. surveiller le fonctionnement des pipelines : aider à suivre en temps réel leur état, apprendre à identifier et signaler les problèmes potentiels et garantir la stabilité des flux de données ; 6. consigner et partager le processus d’apprentissage : rédiger des documents d’apprentissage pendant le stage, consigner les processus et méthodes de traitement des données et partager l’expérience acquise afin de favoriser le transfert de connaissances au sein de l’équipe.

Profil recherché : 1. Étudiant en licence ou de niveau supérieur, de préférence en informatique, génie logiciel, information électronique ou disciplines connexes ; 2. connaissance du langage Python, compréhension des bibliothèques de traitement de données (Pandas, NumPy, etc.) ; une expérience de Spark est un plus ; 3. bonnes capacités de communication et capacité à collaborer efficacement avec différents membres de l’équipe et à faire avancer les projets.

 

Stagiaire, moteur d’entraînement RLHF

 

Missions : 1. Participer au développement de moteurs d’entraînement RLHF pour plusieurs modalités prenant en charge l’entraînement à grande échelle ; 2. participer à l’optimisation continue de l’efficacité de l’entraînement RLHF (efficacité de génération et efficacité de parallélisation) et produire des articles ou des rapports techniques à impact.

Profil recherché : 1. Étudiant en master ou de niveau supérieur, de préférence en informatique, intelligence artificielle ou disciplines connexes ; une expérience pertinente est un plus ; 2. connaissance d’au moins un framework d’entraînement parallèle parmi Megatron, DeepSpeed, Colossal AI ou PyTorch FSDP ; 3. compréhension d’au moins un moteur d’inférence parmi VLLM, Sglang ou LMDeploy ; 4. compréhension des principes de base et du déroulement des algorithmes RLHF ; 5. la capacité à développer des opérateurs avec OpenAI Triton ou CUDA est un plus.