中国平安
大模型算法岗
大模型算法岗
发布于 大约 2 个月前普通员工/个人贡献者
深圳市
高级经验
全职员工
仅现场办公
硕士
研究与开发 (研发)
NLP
PyTorch
RAG
TensorFlow
LLM
知识图谱
大模型微调
AI 估算 · 35k–60k
大模型算法岗薪资高，深圳一线城市，硕士3年经验，市场竞争力强，月薪3.5-6万合理。
职位详情
关于这个职位
该职位负责大语言模型的微调与应用开发，涉及RAG、Agent等前沿领域，需要扎实的NLP基础和编程能力
你将与业务深度融合，推动AI技术在金融场景的落地，适合有3年以上经验、热爱技术的算法工程师
最低要求
学历与专业：要求硕士及以上学历，3年以上相关工作经验，具备计算机科学、人工智能、自动化、统计学、数学等相关专业背景
专业技能：掌握坚实的自然语言处理基础理论与算法，能在对话系统、文本分类、语义理解、知识图谱构建、篇章理解、情感分析、自然语言生成等一个或多个领域独立开展研发工作
大模型经验：熟悉至少一种大型语言模型，如Qwen、GLM、Llama、BaiChuan等，有大型模型训练、调优研究经验者优先考虑
编程能力：具备扎实的编程基础，熟练使用C++或Python，有大数据处理经验，熟悉pytorch、Tensorflow等常见深度学习开源工具库，能够快速将创新想法转化为实际代码
个人素质：充满技术热情，具备创新意识和团队协作精神，优秀的表达能力，乐观积极，自我驱动，具备良好的抗压能力和自我反省意识
工作职责
深度参与大型语言模型（LLM）的微调与应用开发，涵盖检索增强生成（RAG）、智能代理（Agent）等前沿应用领域，推动技术与业务的深度融合
针对具体产品需求，按时设计与实现算法功能模块，确保技术方案的高效执行与落地
在项目实施全周期中，主动跟踪、排查并解决产品遇到的技术难题，保障项目顺利推进
持续关注自然语言处理（NLP）、大型语言模型（LLM）领域最新进展，探索并推动前沿技术在实际场景中的应用与创新
AI 洞察
优缺点分析
优点
- 前沿技术：直接参与大模型微调、RAG、Agent等最热门AI方向，技术积累价值高
- 大平台：中国平安为行业巨头，资源丰富，项目落地场景多，稳定性强
- 薪资优厚：大模型人才稀缺，薪资水平在行业内处于高位
- 技术难度高：大模型训练调优需要深厚功底，且问题复杂，解决周期长
- 工作强度大：项目推进节奏快，需同时应对多个任务，抗压能力要求高
- 竞争激烈：大模型领域人才聚集，需持续学习保持竞争力
- 适合有3年以上NLP经验、热爱技术、自我驱动、愿意在金融科技领域深耕的算法工程师
缺点 / 挑战
暂无明显挑战项
角色解读
- 技术深耕：从算法工程师成长为NLP/LLM专家，主导核心算法研发
- 管理路线：带领团队负责算法项目，晋升为技术经理或架构师
- 业务转型：深入理解金融业务，成为AI+金融的复合型人才
- 负责大语言模型的微调与优化，使其适配具体业务场景，提升模型性能
- 开发检索增强生成（RAG）和智能代理（Agent）系统，实现知识问答、任务自动化等功能
- 与产品团队协作，将算法模块集成到产品中，并解决上线后的技术问题
- 跟踪NLP和LLM领域最新进展，探索新技术在金融等场景的应用
- 扎实的NLP理论基础，熟悉文本分类、语义理解、知识图谱等方向
- 精通Python或C++，熟练使用PyTorch、TensorFlow等深度学习框架
- 有大型语言模型（如Qwen、GLM、Llama）的实际训练或调优经验
- 具备大数据处理能力，能够高效处理海量文本数据
申请策略
- 关注平安科技在AI领域的布局，面试时展示对金融+AI的理解
- 准备一个完整的项目案例，从问题定义到技术方案再到效果评估
- 突出大模型相关项目经验，如LLM微调、RAG系统开发等，并说明具体成果
- 强调NLP领域的论文或开源贡献，展示技术深度
- 列出熟练的编程语言和框架，尤其是PyTorch、TensorFlow、Python
- 体现业务落地能力，如将算法应用于实际产品并取得效果
- 补充大模型训练框架（如DeepSpeed、Megatron）和分布式训练知识
- 学习RAG和Agent相关技术，如LangChain、向量数据库等
面试指南
- STAR法则：描述情境、任务、行动、结果，突出个人贡献和技术难点
- 对比分析：比较不同技术方案的优劣，展示技术选型能力
- 问题导向：先分析问题本质，再提出解决方案，最后总结经验和教训
- 请详细描述你参与过的一个大模型微调项目，包括数据准备、模型选择、调优策略和最终效果
- RAG系统的核心组件有哪些？如何解决检索相关性和生成质量的问题？
- 在训练大模型时遇到过哪些技术挑战？如何解决显存不足、训练不稳定等问题？
- 如何评估一个LLM在特定业务场景下的表现？你会选择哪些指标？
- 你对Agent技术有什么理解？请设计一个基于LLM的客服Agent方案
匹配度报告
71
综合匹配度
大厂大模型算法岗，前沿技术、高薪，但工作强度大，WLB一般。
适合人群
适合追求技术成长和高薪、能接受高强度工作、对WLB要求不高的求职者。
最强匹配
成长发展匹配
最弱匹配
工作生活匹配
薪资福利85
成长发展90
工作生活40
使命价值70
薪资福利匹配
85较高
该职位薪资水平高，公司为上市巨头，稳定性强，但JD未明确提及福利，补偿性动机满足较好。
薪资信号未披露（AI估算：35K-60K/月）
成长发展匹配
90较高
职位涉及前沿大模型技术，技能成长空间大，但JD未明确提及晋升路径，发展性动机满足度高。
技术前沿前沿/新兴技术
技术栈LLM、NLP、RAG、Agent、PyTorch、TensorFlow、大模型微调
业务类型profit_center
工作生活匹配
40较低
JD未提及远程或弹性工作，且大厂算法岗通常工作强度大，生活化动机满足有限。
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
70中等
AI在金融领域应用有社会价值，但JD未强调使命感，意义感动机满足中等。
行业发展高速增长赛道
社会影响中性/一般
创新程度积极采用新技术
Watch Jobs