中国平安
算法工程师（智能体算法）
算法工程师（智能体算法）
发布于 1 天前普通员工/个人贡献者
深圳市
中级经验
全职员工
仅现场办公
硕士
深度学习
NLP
PyTorch
多模态
知识图谱
大语言模型
AI智能体
医疗保险
保险科技
AI 估算 · 30k–60k
该职位要求硕士学历并掌握前沿大模型技术，属于高技能稀缺岗位，平安大厂薪资有竞争力，预计月薪3-6万。
职位详情
关于这个职位
该职位是平安集团旗下算法工程师，专注于大语言模型和AI智能体在医疗保险场景的应用研发
你将参与构建医学/保险知识库、融合知识图谱提升模型准确性与可解释性，并处理多模态医学数据
适合有NLP/大模型经验、对AI+医疗感兴趣的技术人才
最低要求
学历背景：硕士及以上学历，计算机科学、人工智能、电子工程、数学等相关专业
技术能力：
）扎实的算法基础，熟悉至少一个深度学习框架（如PyTorch、TensorFlow等）
）熟练掌握大模型核心技术原理与应用范式、熟悉AI智能体核心技术
编程能力：熟练掌握Python
数学基础：具备扎实的数学基础，包括线性代数、概率统计、优化算法等
学习能力：对新技术有强烈的学习兴趣，能够快速掌握前沿算法
对大模型前沿技术紧密追踪
团队协作：具备良好的沟通能力和团队合作精神，能够与跨学科团队高效协作
工作职责
负责大语言模型和AI智能体在医疗保险场景的算法研发和应用搭建
设计并优化面向保险智能营销、智能核保、智能核赔等任务的大模型微调及AI智能体方案
构建医学/保险领域知识库，融合知识图谱与大模型，提升模型在专业场景下的准确性与可解释性
处理多模态医学数据（如影像报告、结构化检验数据）与保险结构化数据（保单、理赔记录），实现跨模态信息推理
跟踪大模型前沿技术（如MoE、Long Context、Agent），探索其在保险反欺诈、智能营销等场景的应用
与医学专家、保险产品团队协作，定义评估指标体系，完成模型离线评估与线上A/B测试
优先资格
有医疗及保险相关大模型应用的项目经验优先，包括在线问诊、核保咨询等
AI 洞察
优缺点分析
- 前沿技术栈：接触大模型、AI智能体、知识图谱等最热门AI技术，个人技能成长快
- 行业前景好：AI+医疗保险是高速增长赛道，平安是行业龙头，平台资源丰富
- 跨学科协作：与医学专家、产品团队合作，拓宽业务视野
- 工作稳定性高：平安为上市巨头，福利完善，职业发展路径清晰
- 技术门槛高：需要同时掌握LLM、Agent、知识图谱等多领域知识，学习曲线陡峭
- 业务理解要求深：需快速理解保险业务细节（核保、核赔），将技术与场景结合
- 项目压力可能较大：涉及核心业务算法，对模型准确性和可解释性要求高，迭代节奏快
- 适合对NLP/大模型有浓厚兴趣、具备较强学习能力，希望在AI+医疗保险领域深耕的技术型人才
角色解读
- 技术路线：从算法工程师成长为高级算法专家，主导大模型在保险领域的落地
- 管理路线：积累项目经验后，可转向技术团队管理或产品技术负责人
- 行业深耕：成为AI+医疗保险领域的专家，推动智能核保、核赔等业务创新
- 负责大语言模型和AI智能体在保险医疗场景的算法研发，涵盖智能营销、核保、核赔等任务
- 构建医学/保险知识库，融合知识图谱与大模型，提升模型的专业准确性和可解释性
- 处理多模态医学数据（影像报告、结构化数据）与保险数据，实现跨模态推理
- 跟踪LLM/Agent前沿技术，探索在反欺诈等场景的应用，并参与模型评估与A/B测试
- 扎实的深度学习基础，精通PyTorch或TensorFlow，熟悉大模型（LLM）原理与微调技术
- 掌握AI智能体（Agent）核心技术，如规划、工具调用、记忆等
- 熟悉知识图谱构建与融合方法，具备多模态数据处理经验
- 优秀的Python编程能力和数学基础（线性代数、概率统计）
申请策略
- 在求职信中表达对AI+医疗保险的兴趣，并展示对平安产品的了解（如平安好医生、平安寿险）
- 提前准备一个与保险场景相关的个人项目，如用LLM实现保单条款问答系统
- 突出大模型相关项目经验，如微调LLM、构建RAG系统、开发智能Agent等
- 强调知识图谱或多模态数据处理的经验，附上具体成果和量化指标
- 展示医疗或保险领域的AI应用案例，如有在线问诊、核保等经验则重点突出
- 列出发表的论文、开源项目或技术博客，证明技术深度和追踪前沿的能力
- 系统学习LangChain、AutoGPT等Agent框架，动手搭建一个简单的智能体Demo
- 熟悉Hugging Face生态，掌握模型微调（LoRA、QLoRA）和推理优化技术
面试指南
- STAR原则：描述情境、任务、行动、结果，突出技术难点和量化成果
- 从问题定义、技术方案、实验验证、业务落地四个层面结构化回答
- 对比不同方案的优缺点，展示技术判断力和系统性思考
- 请介绍你在LLM微调或Agent开发中的一个项目，并说明技术选型和效果
- 如何处理大模型在医疗场景中的幻觉问题？有哪些可解释性增强方法？
- 设计一个保险智能核保的AI系统，你会如何考虑知识库、模型、数据流？
- 你对MoE、Long Context等前沿技术有何了解？如何应用到保险场景？
- 多模态数据（如影像+文本）融合有哪些常见做法？请举例
匹配度报告
74
综合匹配度
平安大厂、前沿AI技术栈、高薪资高成长，但工作强度和WLB未明确
适合人群
适合追求技术前沿和职业成长，愿意投入时间学习，对工作强度有一定承受能力的求职者。
最强匹配
成长发展匹配
最弱匹配
工作生活匹配
薪资福利80
成长发展90
工作生活50
使命价值75
薪资福利匹配
80较高
平安作为上市大厂，薪资福利具有竞争力，硕士+前沿技术岗预计月薪3-6万，年终奖等福利齐全，能满足补偿性动机。
薪资信号未披露 (30K-60K/月)
成长发展匹配
90较高
职位涉及大模型、Agent、知识图谱等前沿技术，与医学专家和产品团队协作，成长空间大，且明确要求跟踪前沿技术，发展性动机满足度高。
技术前沿前沿/新兴技术
技术栈大语言模型、AI智能体、知识图谱、多模态、PyTorch、深度学习
业务类型profit_center
工作生活匹配
50较低
JD未明确提及远程或弹性工作，通常大厂在现场办公为主，且未提及WLB，生活化动机满足度一般。
工作模式未明确
办公地点未明确
加班情况未提及（无法判断）
使命价值匹配
75中等
AI+医疗保险属于高速增长赛道，通过技术降低保险成本、提升服务效率，具有一定社会价值，但JD未明确提及使命感，意义感动机中等偏上。
行业发展高速增长赛道
社会影响正向社会影响力较高
创新程度积极采用新技术
Watch Jobs