【北京】AI大模型公司急招大模型算法工程师
「北京市-海淀区-上地地区」
大模型算法工程师
备注：2轮技术面+1轮AI负责人面，薪酬open❗️
工作职责
- 负责大规模语言模型（LLM）和多模态大模型的核心算法研发与优化：包括但不限于模型架构改进、预训练/指令微调/对齐技术（如RLHF）、高效训练技术（如PEFT）、模型压缩与加速、长上下文建模、知识增强（如RAG）等。
- 深入业务场景，驱动大模型落地应用：基于对业务需求的深刻理解，进行大模型的定制化适配、精调与优化，设计并实现满足特定场景需求的模型解决方案，持续提升模型效果、可靠性和性能。
- 构建和优化AI Agent系统：应用大模型技术，设计、开发和优化智能代理（AI Agent）的核心能力（如规划、记忆、工具调用、多Agent协作等），推动Agent技术在业务场景中的创新应用。
- 主导算法全生命周期管理：涵盖需求分析、方案设计、数据处理、模型训练与评估、性能调优、工程化部署上线及持续监控迭代，确保算法高效、稳定地服务于产品。
- 追踪并探索人工智能前沿技术：密切关注大模型、Agent等领域的最新进展，评估其技术潜力和业务价值，推动技术创新在产品中的落地，保持技术竞争力。
- 技术沉淀与分享：撰写高质量的技术文档、设计方案和实验报告，促进团队知识共享和技术能力提升。
岗位要求
- 3至5年工作经验，硕士及以上学历，计算机科学、人工智能、软件工程、电子工程、数学、统计学或相关专业。
- 核心技术栈：
- 深入理解自然语言处理（NLP）和多模态学习的基础理论与最新进展。
- 扎实的大模型实践经验：熟练掌握主流大模型（如Transformer系列模型）的原理、架构、训练和推理细节。
- 精通大模型训练框架：熟练掌握至少一种主流分布式训练框架的使用和核心原理。
- 具备AI Agent研发能力：深入理解AI Agent的核心组件（规划、记忆、工具使用等）和主流框架，有实际构建Agent系统的经验者优先。
- 工程能力：优秀的编程能力（Python为主），熟悉Linux开发环境，具备良好的算法实现和调试能力。有模型部署、推理优化经验者优先。
- 数据处理能力：熟悉大规模数据处理流程、数据清洗、数据增强技术，对数据质量有敏锐洞察。
- 具备优秀的跨团队沟通协作能力和技术领导力潜力。强烈的技术热情和自驱力，优秀的问题分析和解决能力，良好的团队合作精神和沟通表达能力，责任心强，能承受一定的工作压力。
优先考虑
- 在大模型预训练、指令微调、参数高效微调（PEFT）、对齐技术（RLHF/DPO）等方面有深入研究或项目经验。
- 有检索增强生成（RAG）、智能体（Agent）应用、多模态大模型、模型压缩量化等实际项目落地经验。
- 在顶级AI会议（NeurIPS、ICML、ICLR、ACL、EMNLP、CVPR等）或期刊发表相关论文者。
如何系统的学习大模型 AI ？
由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。
但是具体到个人，只能说是：
“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。
这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。
我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。
我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。
一直在更新，更多的大模型学习和面试资料已经上传带到CSDN的官方了，有需要的朋友可以扫描下方二维码免费领取【保证100%免费】👇👇
01.大模型风口已至：月薪30K+的AI岗正在批量诞生
2025年大模型应用呈现爆发式增长，根据工信部最新数据：
国内大模型相关岗位缺口达47万
初级工程师平均薪资28K（数据来源：BOSS直聘报告）
70%企业存在"能用模型不会调优"的痛点
真实案例：某二本机械专业学员，通过4个月系统学习，成功拿到某AI医疗公司大模型优化岗offer，薪资直接翻3倍！
02.大模型 AI 学习和面试资料
1️⃣ 提示词工程：把ChatGPT从玩具变成生产工具
2️⃣ RAG系统：让大模型精准输出行业知识
3️⃣ 智能体开发：用AutoGPT打造24小时数字员工
📦熬了三个大夜整理的《AI进化工具包》送你：
✔️ 大厂内部LLM落地手册（含58个真实案例）
✔️ 提示词设计模板库（覆盖12大应用场景）
✔️ 私藏学习路径图（0基础到项目实战仅需90天）
第一阶段（10天）：初阶应用
该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。
- 大模型 AI 能干什么？
- 大模型是怎样获得「智能」的？
- 用好 AI 的核心心法
- 大模型应用业务架构
- 大模型应用技术架构
- 代码示例：向 GPT-3.5 灌入新知识
- 提示工程的意义和核心思想
- Prompt 典型构成
- 指令调优方法论
- 思维链和思维树
- Prompt 攻击和防范
- …
第二阶段（30天）：高阶应用
该阶段我们正式进入大模型 AI 进阶实战学习，学会构造私有知识库，扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架，抓住最新的技术进展，适合 Python 和 JavaScript 程序员。
- 为什么要做 RAG
- 搭建一个简单的 ChatPDF
- 检索的基础概念
- 什么是向量表示（Embeddings）
- 向量数据库与向量检索
- 基于向量检索的 RAG
- 搭建 RAG 系统的扩展知识
- 混合检索与 RAG-Fusion 简介
- 向量模型本地部署
- …
第三阶段（30天）：模型训练
恭喜你，如果学到这里，你基本可以找到一份大模型 AI相关的工作，自己也能训练 GPT 了！通过微调，训练自己的垂直大模型，能独立训练开源多模态大模型，掌握更多技术方案。
到此为止，大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗？
- 为什么要做 RAG
- 什么是模型
- 什么是模型训练
- 求解器 & 损失函数简介
- 小实验2：手写一个简单的神经网络并训练它
- 什么是训练/预训练/微调/轻量化微调
- Transformer结构简介
- 轻量化微调
- 实验数据集的构建
- …
第四阶段（20天）：商业闭环
对全球大模型从性能、吞吐量、成本等方面有一定的认知，可以在云端和本地等多种环境下部署大模型，找到适合自己的项目/创业方向，做一名被 AI 武装的产品经理。
- 硬件选型
- 带你了解全球大模型
- 使用国产大模型服务
- 搭建 OpenAI 代理
- 热身：基于阿里云 PAI 部署 Stable Diffusion
- 在本地计算机运行大模型
- 大模型的私有化部署
- 基于 vLLM 部署大模型
- 案例：如何优雅地在阿里云私有部署开源大模型
- 部署一套开源 LLM 项目
- 内容安全
- 互联网信息服务算法备案
- …
学习是一个过程，只要学习就会有挑战。天道酬勤，你越努力，就会成为越优秀的自己。
如果你能在15天内完成所有的任务，那你堪称天才。然而，如果你能完成 60-70% 的内容，你就已经开始具备成为一名大模型 AI 的正确特征了。